5.5.2 Đòn bẩy không đồng nhất

Một khi bạn đã thúc đẩy rất nhiều người làm việc trên một vấn đề khoa học thực sự, bạn sẽ khám phá ra rằng những người tham gia của bạn sẽ không đồng nhất theo hai cách chính: họ sẽ thay đổi cả về kỹ năng và mức độ nỗ lực của họ. Phản ứng đầu tiên của nhiều nhà nghiên cứu xã hội là chống lại sự không đồng nhất này bằng cách cố gắng loại trừ những người tham gia có chất lượng thấp và sau đó cố gắng thu thập một lượng thông tin cố định từ mọi người còn lại. Đây là một cách sai lầm để thiết kế một dự án hợp tác hàng loạt. Thay vì chiến đấu không đồng nhất, bạn nên tận dụng nó.

Đầu tiên, không có lý do gì để loại trừ những người tham gia có kỹ năng thấp. Trong các cuộc gọi mở, những người tham gia có kỹ năng thấp không gây ra vấn đề gì; những đóng góp của họ không làm tổn thương bất cứ ai và họ không cần bất kỳ thời gian để đánh giá. Trong các dự án tính toán và phân phối dữ liệu phân tán của con người, hơn thế nữa, hình thức kiểm soát chất lượng tốt nhất là thông qua dự phòng, không thông qua thanh cao để tham gia. Trên thực tế, thay vì loại trừ những người tham gia có kỹ năng thấp, cách tiếp cận tốt hơn là giúp họ đóng góp tốt hơn, nhiều như các nhà nghiên cứu tại eBird đã làm.

Thứ hai, không có lý do để thu thập một lượng thông tin cố định từ mỗi người tham gia. Sự tham gia vào nhiều dự án cộng tác đại chúng là vô cùng bất bình đẳng (Sauermann and Franzoni 2015) , với một số ít người đóng góp rất nhiều - đôi khi được gọi là đầu béo - và rất nhiều người đóng góp một chút - đôi khi được gọi là đuôi dài . Nếu bạn không thu thập thông tin từ đầu béo và đuôi dài, bạn sẽ để lại khối lượng thông tin không bị thu thập. Ví dụ: nếu Wikipedia chấp nhận 10 và chỉ có 10 chỉnh sửa trên mỗi trình chỉnh sửa, nó sẽ mất khoảng 95% chỉnh sửa (Salganik and Levy 2015) . Vì vậy, với các dự án hợp tác hàng loạt, tốt nhất là tận dụng tính không đồng nhất hơn là cố gắng loại bỏ nó.