W zmieniającym się krajobrazie badań cyfrowych znaczną uwagę zwraca się na dynamikę zaangażowania uczestników w platformy crowdsourcingowe. Ponieważ badacze coraz częściej korzystają z platform internetowych w celu gromadzenia danych, zrozumienie czynników wpływających na zachowanie uczestników i jakość danych staje się kluczowe.

Przełomowe badanie prowadzone przez Carolyn Ritchey z Auburn University wraz ze współpracownikami dr Coriną Jimenez-Gomez i dr Christopherem Podlesnikiem z Uniwersytetu Florydy ujawniło kluczowe odkrycie w badaniach crowdsourcingu: wyższe stawki wynagrodzeń znacznie zwiększają retencję uczestników i jakość danych. To badanie, zaprezentowane w PLoS ONE, zagłębia się w kluczową rolę wynagrodzeń w internetowych platformach badawczych, takich jak Prolific.

Badanie wpływu stawek wynagrodzeń na platformy crowdsourcingowe należy podjąć w odpowiednim czasie. Ritchey podkreśla: “W epoce cyfrowej, gdzie najważniejsze są dane, zapewnienie ich jakości jest sprawą najwyższej wagi. Nasze badanie ma na celu odkrycie wpływu zachęt finansowych na zaangażowanie uczestników”. W badaniu podzielono uczestników na różne grupy, różnicując stawki tak, aby odpowiadały lub podwoiły płacę minimalną w USA.

Jednym z najważniejszych wniosków badania był wyraźny związek między wyższymi stawkami wynagrodzeń a lepszą jakością danych. Ritchey powiedział: „Odkryliśmy, że podwojenie stawki wynagrodzenia znacznie zmniejszyło odpływ uczestników”. Podkreśla to silny związek pomiędzy wynagrodzeniem a zaangażowaniem uczestnika.

Badanie wykazało jednak również, że dodatkowe instrukcje miały znikomy wpływ na wyniki uczestników. „Co ciekawe, nasze dane wykazały, że chociaż dodatkowe instrukcje nie wpłynęły znacząco na utratę pracy ani na jakość danych, decydującym czynnikiem była stawka wynagrodzenia” – dodał Ritchey. Odkrycie to podważa uprzedzenia dotyczące roli szczegółowych wytycznych w zadaniach związanych z crowdsourcingiem.

Chociaż badanie odgrywa zasadniczą rolę w zrozumieniu dynamiki crowdsourcingu, przyznaje się również do pewnych ograniczeń, takich jak brak kontroli zmiennych demograficznych, który może mieć wpływ na dokładność danych. Co więcej, zastosowana w badaniu szeroka definicja ścierania, obejmująca zarówno zadania niekompletne, jak i brak powrotu do kolejnych zadań, jest obszarem gotowym do dalszych eksploracji.

Podsumowując, badanie to stanowi znaczący postęp w dziedzinie badań nad crowdsourcingiem. Podkreśla kluczową rolę godziwej rekompensaty nie tylko w zmniejszaniu odsetka uczestników przerywających naukę, ale także w poprawie jakości gromadzonych danych. W miarę ewolucji metodologii badań internetowych, spostrzeżenia te dostarczają cennych wskazówek dla badaczy pragnących zmaksymalizować skuteczność i wiarygodność swoich badań prowadzonych w oparciu o crowdsourcing.

Referencje:

Ritchey CM, Jimenez-Gomez C, Podlesnik CA (2023) Wpływ stawki płac i instrukcji na ścieranie w badaniach crowdsourcingu. PLoS ONE 18(10): e0292372. https://doi.org/10.1371/journal.pone.0292372

Źródło obrazu: www.epictop10.com