5.1簡介

維基百科很棒。志願者的大規模合作創造了一個可供所有人使用的精彩百科全書。維基百科成功的關鍵不是新知識;相反，它是一種新的合作形式。幸運的是，數字時代可以實現許多新的合作形式。因此，我們現在應該問：哪些大規模的科學問題 - 我們無法單獨解決的問題 - 我們現在能夠共同解決這些問題嗎？

研究協作是什麼新鮮事，當然。什麼是新的，但是，是數字時代能夠與一個更大，更多樣化的合作人：人在世界各地數十億互聯網接入。我希望這些新的合作質量會產生驚人的結果不只是因為涉及的人數，因為其多樣的技能和觀點，但也。我們如何將大家與互聯網連接到我們的研究過程？您能夠利用100個研究助理嗎？什麼約10萬熟練的合作者？

有許多形式的大規模協作，計算機科學家通常根據其技術特徵將它們組織成大量類別(Quinn and Bederson 2011) 。然而，在本章中，我將基於如何將它們用於社會研究來對大規模協作項目進行分類。特別是，我認為粗略區分三種類型的項目是有幫助的： 人工計算 ， 公開調用和分佈式數據收集 （圖5.1）。

我將在本章後面更詳細地描述這些類型，但現在讓我簡要介紹一下。 人工計算項目非常適合輕鬆任務大規模的問題，例如標記一百萬張圖像。這些項目過去可能由本科研究助理執行。貢獻不需要與任務相關的技能，最終輸出通常是所有貢獻的平均值。人類計算項目的一個典型例子是銀河動物園，十萬名志願者幫助天文學家對一百萬個星系進行了分類。另一方面， 公開呼叫項目非常適合於您正在尋找明確制定的問題的新穎和意想不到的答案的問題。這些項目過去可能涉及詢問同事。貢獻來自具有特殊任務相關技能的人，最終產出通常是所有貢獻中最好的。一個開放式電話的典型例子是Netflix獎，成千上萬的科學家和黑客致力於開發新算法來預測客戶對電影的評分。最後， 分佈式數據收集項目非常適合大規模數據收集。這些項目過去可能由本科研究助理或調查研究公司執行。貢獻通常來自可以訪問研究人員不能訪問的位置的人，最終產品是貢獻的簡單集合。分佈式數據收集的一個典型例子是eBird，其中成千上萬的志願者提供有關他們看到的鳥類的報告。

圖5.1：大規模協作示意圖。人計算，公開徵集和分佈式數據採集：本章是圍繞大規模協作的三種主要形式舉辦。更一般地，大規模協作的領域，如公民科學，眾包和集體智慧相結合的想法。

大規模合作在諸如天文學(Marshall, Lintott, and Fletcher 2015)和生態學(Dickinson, Zuckerberg, and Bonter 2010)等領域有著悠久而豐富的歷史，但在社會研究中尚未普及。但是，通過描述其他領域的成功項目並提供一些關鍵的組織原則，我希望能說服你兩件事。首先， 可以利用群眾協作進行社會研究。其次，使用大規模協作的研究人員將能夠解決以前似乎不可能的問題。儘管大規模協作通常被視為節省資金的一種方式，但遠不止於此。正如我將要展示的那樣，大規模協作不僅讓我們更便宜地進行研究，它還可以讓我們更好地進行研究。

在前面的章節中，您已經看到了通過以三種不同的方式與人交往可以學到什麼：觀察他們的行為（第2章），向他們提問（第3章），並將他們註冊到實驗中（第4章）。在本章中，我將向您展示通過讓人們成為研究合作者可以學到什麼。對於大規模協作的三種主要形式中的每一種，我將描述一個典型的例子，用進一步的例子說明重要的附加點，最後描述這種形式的大規模協作如何用於社會研究。本章將總結五個原則，可以幫助您設計自己的大規模協作項目。