5.1简介

维基百科是惊人的。志愿者的大规模协作创造了一个梦幻般的百科全书，是提供给大家。维基百科成功的关键并不是新的知识;相反，这是合作的一种新形式。数字化时代，幸运的是，使合作的许多新的形式。因此，我们现在要问：我们不能单独解决，可我们现在共同处理海量什么科学问题，有问题？

研究协作是什么新鲜事，当然。什么是新的，但是，是数字时代能够与一个更大，更多样化的合作人：人在世界各地数十亿互联网接入。我希望这些新的合作质量会产生惊人的结果不只是因为涉及的人数，因为其多样的技能和观点，但也。我们如何将大家与互联网连接到我们的研究过程？您能够利用100个研究助理吗？什么约10万熟练的合作者？

有大规模协作的多种形式，计算机科学家通常将它们整理到基于自己的技术特点大量的类(Quinn and Bederson 2011)在本章中，但是，我要分类的基础上如何将它们用于社会研究大规模协作项目。尤其是，我认为这是有帮助的三种类型的项目区别开来： 人计算 ， 公开征集和分布式数据收集 （图5.1）。

我会很详细的后面章节中描述了每种类型的，但现在让我描述一个简要介绍。 人类的计算项目非常适合简单的任务，大尺度问题，如标签上百万的图像。这些都是在过去可能是由本科生科研助手进行的项目。贡献不要求任务相关的技能，以及最后的输出是通常所有的捐款的平均值。人计算项目的一个典型的例子是星系动物园，其中十万志愿者帮助天文学家分类一百万个星系。 公开招募项目非常适合在哪里的问题您正在寻找新的和意想不到的答案，明确制定的问题。这些是，在过去的可能参与，要求同事项目。捐款来自于谁拥有特殊的任务相关技能的人，并最终输出通常是最好的所有的贡献。公开征集的一个典型的例子是Netflix的奖，其中数千名科学家和黑客的合作，共同开发新的算法来预测客户的电影评级。最后， 分布式数据收集项目都非常适合大规模数据集合。这些都是在过去可能已被本科生研究助理或调查研究公司进行的项目。捐款通常来自谁有权访问，研究人员没有位置的人，和最终产品是贡献一个简单的集合。分布式数据采集的一个典型的例子是eBird，其中成千上万的志愿者贡献约他们看到鸟的报告。

图5.1：大规模协作示意图。人计算，公开征集和分布式数据采集：本章是围绕大规模协作的三种主要形式举办。更一般地，大规模协作的领域，如公民科学，众包和集体智慧相结合的想法。

大规模协作在领域，如天文学一个长期，丰富的历史(Marshall, Lintott, and Fletcher 2015)和生态(Dickinson, Zuckerberg, and Bonter 2010)但它没有常见的社会研究。然而，其他领域的成功说明项目上，提供一些关键的组织原则，我希望能说服你的两件事情。首先，大规模协作可以驾驭社会研究。第二，谁使用大规模协作研究人员将能够解决了以前似乎是不可能的问题。虽然大规模协作往往是晋升为省钱的方法，它远不止于此。正如我将显示，大规模协作不只是让我们做研究更便宜 ，它允许我们做研究好 。

在下面的章节中，对于每个大规模协作的三种主要形式，我将描述一个典型的例子;说明进一步的例子重要的附加分;最后介绍了如何这种形式的大规模协作的可能被用于社会研究。本章将有五个原则，可以帮助你设计自己的大规模协作项目的结论。