5.1簡介

維基百科是驚人的。志願者的大規模協作創造了一個夢幻般的百科全書，是提供給大家。維基百科成功的關鍵並不是新的知識;相反，這是合作的一種新形式。數字化時代，幸運的是，使合作的許多新的形式。因此，我們現在要問：我們不能單獨解決，可我們現在共同處理海量什麼科學問題，有問題？

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？

有大規模協作的多種形式，計算機科學家通常將它們整理到基於自己的技術特點大量的類(Quinn and Bederson 2011)在本章中，但是，我要分類的基礎上如何將它們用於社會研究大規模協作項目。尤其是，我認為這是有幫助的三種類型的項目區別開來： 人計算 ， 公開徵集和分佈式數據收集 （圖5.1）。

我會很詳細的後面章節中描述了每種類型的，但現在讓我描述一個簡要介紹。 人類的計算項目非常適合簡單的任務，大尺度問題，如標籤上百萬的圖像。這些都是在過去可能是由本科生科研助手進行的項目。貢獻不要求任務相關的技能，以及最後的輸出是通常所有的捐款的平均值。人計算項目的一個典型的例子是星系動物園，其中十萬志願者幫助天文學家分類一百萬個星系。 公開招募項目非常適合在哪裡的問題您正在尋找新的和意想不到的答案，明確制定的問題。這些是，在過去的可能參與，要求同事項目。捐款來自於誰擁有特殊的任務相關技能的人，並最終輸出通常是最好的所有的貢獻。公開徵集的一個典型的例子是Netflix的獎，其中數千名科學家和黑客的合作，共同開發新的算法來預測客戶的電影評級。最後， 分佈式數據收集項目都非常適合大規模數據集合。這些都是在過去可能已被本科生研究助理或調查研究公司進行的項目。捐款通常來自誰有權訪問，研究人員沒有位置的人，和最終產品是貢獻一個簡單的集合。分佈式數據採集的一個典型的例子是eBird，其中成千上萬的志願者貢獻約他們看到鳥的報告。

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。

大規模協作在領域，如天文學一個長期，豐富的歷史(Marshall, Lintott, and Fletcher 2015)和生態(Dickinson, Zuckerberg, and Bonter 2010)但它沒有常見的社會研究。然而，其他領域的成功說明項目上，提供一些關鍵的組織原則，我希望能說服你的兩件事情。首先，大規模協作可以駕馭社會研究。第二，誰使用大規模協作研究人員將能夠解決了以前似乎是不可能的問題。雖然大規模協作往往是晉升為省錢的方法，它遠不止於此。正如我將顯示，大規模協作不只是讓我們做研究更便宜 ，它允許我們做研究好 。

在下面的章節中，對於每個大規模協作的三種主要形式，我將描述一個典型的例子;說明進一步的例子重要的附加分;最後介紹了如何這種形式的大規模協作的可能被用於社會研究。本章將有五個原則，可以幫助你設計自己的大規模協作項目的結論。