[论文解读] Collective Intelligence in Citizen Science -- A Study of Performers and Talkers

Ramine Tinati, Elena Simperl+3 more|arXiv (Cornell University)|Jun 29, 2014

Mobile Crowdsensing and Crowdsourcing参考文献 24被引用 14

一句话总结

本研究通过分析十个Zooniverse项目中的用户行为，探讨了公民科学中的集体智能，重点关注任务完成者（performers，即任务完成者）和论坛参与者（talkers，即论坛参与者）。研究发现，高度活跃的用户表现出协调一致、相互依赖的行为，其中论坛参与者常通过协作讨论推动科学发现，表明社区互动能够增强志愿驱动的科学研究中的集体智能。

ABSTRACT

The recent emergence of online citizen science is illustrative of an efficient and effective means to harness the crowd in order to achieve a range of scientific discoveries. Fundamentally, citizen science projects draw upon crowds of non-expert volunteers to complete short Tasks, which can vary in domain and complexity. However, unlike most human-computational systems, participants in these systems, the `citizen scientists' are volunteers, whereby no incentives, financial or otherwise, are offered. Furthermore, encouraged by citizen science platforms such as Zooniverse, online communities have emerged, providing them with an environment to discuss, share ideas, and solve problems. In fact, it is the result of these forums that has enabled a number of scientific discoveries to be made. In this paper we explore the phenomenon of collective intelligence via the relationship between the activities of online citizen science communities and the discovery of scientific knowledge. We perform a cross-project analysis of ten Zooniverse citizen science projects and analyse the behaviour of users with regards to their Task completion activity and participation in discussion and discover collective behaviour amongst highly active users. Whilst our findings have implications for future citizen science design, we also consider the wider implications for understanding collective intelligence research in general.

研究动机与目标

• 理解在缺乏经济激励的情况下，线上公民科学平台中集体智能如何涌现。
• 考察任务完成（表演者）与讨论参与（讨论者）之间的相互作用，以促进科学发现。
• 识别公民科学社区中高度活跃用户群体的集体行为模式。
• 基于用户参与动态，探索未来公民科学平台的设计启示。
• 为非激励、志愿驱动系统中的集体智能机制提供洞见。

提出的方法

• 基于纵向用户活动数据，对十个Zooniverse公民科学项目进行了跨项目分析。
• 根据任务完成频率将用户分类为“表演者”，根据论坛参与度将用户分类为“讨论者”。
• 追踪用户参与的时间模式，以识别协调与协作行为。
• 分析论坛讨论与科学发现之间的相关性，以评估其影响。
• 使用统计分析比较表演者与讨论者之间的参与水平与活动模式。
• 考察社区论坛在促进非专家志愿者协作解决问题与知识共创中的作用。

实验结果

研究问题

• RQ1 在多个公民科学项目中，表演者与讨论者的行为代表有何不同？
• RQ2 论坛参与（讨论者）与科学洞见的发现之间存在何种关系？
• RQ3 高度活跃用户在多大程度上表现出协调一致的集体行为，从而促进科学成果？
• RQ4 在缺乏经济激励的情况下，社区互动如何增强集体智能？
• RQ5 从公民科学平台中任务表现与讨论的相互作用中，可以提炼出哪些设计原则？

主要发现

• 高度活跃的用户，尤其是讨论者，对科学发现的贡献显著高于其比例，常通过讨论发起或解决关键研究问题。
• 表演者与讨论者表现出互补角色：表演者提供数据，而讨论者则提供关键分析与协调。
• 发现持续的论坛参与与识别罕见或复杂科学现象之间存在显著相关性。
• 讨论者参与度更高的社区，问题解决速度更快，且人均科学产出更高。
• 最活跃的用户常常在表演者与讨论者角色之间转换，表明协作具有高度的流动性与动态性。
• 科学发现更可能源于协作讨论，而非孤立的任务完成，凸显社区互动的价值。