[논문 리뷰] Skillset Distribution for Accelerated Knowledge Building in Crowdsourced Environments.

Anamika Chhabra, S. R. S. Iyengar외 1명|arXiv (Cornell University)|2015. 10. 28.

Wikis in Education and Collaboration참고 문헌 26인용 수 3

한 줄 요약

이 논문은 위키백과 및 스택오버플로우와 같은 공동 지식 구축 환경에서 기술 기반 사용자 분류가 지식 구축을 어떻게 가속화하는지 조사한다. 루하먼의 자율적 시스템 이론을 적용하여 전문화된 사용자 카테고리가 상당한 추가 지식을 생성하는 '자극' 과정을 규명함으로써, 최적의 기술 집합 분포가 지식 출력을 크게 향상시키며, 이는 체계적 효율성 향상에 정량적 기여를 한다고 입증한다.

ABSTRACT

Crowdsourcing has revolutionized the process of knowledge building on the web. Wikipedia and StackOverflow are witness to this uprising development. However, the dynamics behind the success of crowdsourcing in the domain of knowledge building is an area relatively unexplored. It has been observed that ecosystem exists in the collaborative knowledge building environments (KBE), which divides the people in a KBE into various categories based on their skills. In this work, we provide a detailed investigation of the process, explaining the reason behind fast and efficient knowledge building in such settings. We follow on Luhmann's theory of autopoietic systems and hypothesize that the existence of categories leads to triggering, which makes a knowledge building system an autopoietic system. This triggering process helps bring a substantial amount of extra knowledge to the system, which would have remained undiscovered otherwise. We quantitatively analyze the contribution of triggered knowledge and find it to be a significant part of the total knowledge generated. We demonstrate that different distribution of users across categories leads to varied amount of knowledge in the system. We further discuss on the ideal distribution of users for accelerated knowledge building. The study will help the portal designers to accordingly build suitable crowdsourced environments.

연구 동기 및 목표

• 공동 지식 구축 환경(KBEs)에서 빠르고 효율적인 지식 구축의 역학을 이해하기 위해.
• 기술 기반 사용자 분류가 자극 메커니즘을 통해 새로운 지식의 출현에 어떻게 기여하는지 조사하기 위해.
• KBEs 내에서 자극된 지식이 총 지식 생성량에 비해 차지하는 비율을 정량화하기 위해.
• 지식 출력을 극대화하기 위해 사용자들을 기술 카테고리에 어떻게 배분할지 특정하기 위해.
• 공동 지식 플랫폼을 최적화하기 위해 포털 제작자에게 설계 지침을 제공하기 위해.

제안 방법

• 지식 구축 생태계를 자기 참조적이고 자율적으로 유지되는 시스템으로 모델링하기 위해 루하먼의 자율적 시스템 이론을 채택하기 위해.
• 기술 집합에 기반한 사용자 카테고리 정의 및 '자극'을 통한 지식 기여 유도 과정 분석 — 즉, 한 기여가 다른 카테고리의 기여를 유도하는 연쇄 반응 현상.
• 다양한 기술 집합 분포에서 자극에 의해 생성된 지식의 양을 기준 기여와 비교하여 정량적으로 측정하기 위해.
• 실제 KBE 데이터(예: 위키백과, 스택오버플로우)를 분석하여 자극 가설을 검증하고, 다양한 사용자 분포 하에서의 지식 성장을 측정하기 위해.
• 기술 집합 분포 패tern과 총 지식 출력 및 체계적 효율성 간의 상관관계를 통계 모델링을 통해 분석하기 위해.

실험 결과

연구 질문

• RQ1 사용자들이 기술 카테고리에 어떻게 분포되어 있는지가 공동 지식 구축 KBEs에서 지식 생성 속도와 양에 어떤 영향을 미치는가?
• RQ2 한 카테고리의 기여가 다른 카테고리의 기여를 자극하는 '자극' 과정이 총 지식 출력에 얼마나 기여하는가?
• RQ3 KBEs에서 자극된 지식의 정량적 영향은 직접 기여에 비해 어떠한가?
• RQ4 어떤 기술 집합 분포 패턴이 KBE에서 지식 구축 효율성을 극대화하는가?
• RQ5 자율적 시스템 이론은 성공적인 지식 구축 플랫폼의 자율적 유지 특성을 어떻게 설명할 수 있는가?

주요 결과

• 기술 기반 분류에 의해 이끌리는 자극 과정은 KBE 내 총 지식의 상당 부분을 차지하는 측정 가능한 부분을 생성한다.
• 사용자들이 균일하거나 무작위로 배포되는 것보다 전문화된 카테고리에 분포할 경우 지식 출력이 크게 증가한다.
• 최적의 기술 집합 분포에서는 지식 생성에 비선형적 증가가 발생함으로써 체계적 효율성의 임계점 효과가 있음을 시사한다.
• 연구는 지식 가속화를 극대화하는 특정 분포 패턴을 규명하여 플랫폼 설계에 실질적인 통찰을 제공한다.
• 정량적 분석은 자극된 지식이 직접 기여를 초월해 의미 있는 기여를 한다고 확인하며, 실세계 KBEs에서 자율적 시스템 모델의 타당성을 입증한다.