Épisode
Crowdsourcing : Beyond Label Generation
par Jennifer Wortman Vaughan
Ce tutoriel présente quelques-unes des utilisations les plus innovantes du crowdsourcing qui ont émergé au cours des dernières années. Bien que certains aient des avantages clairs et immédiats pour le Machine Learning, nous aborderons également des exemples dans lesquels le crowdsourcing a permis aux chercheurs de répondre à des questions passionnantes dans la psychologie, l’économie et d’autres domaines.
Nous aborderons les meilleures pratiques en matière de crowdsourcing (par exemple comment et pourquoi maintenir une relation positive avec les travailleurs de la foule) et les outils de crowdsourcing disponibles. Nous étudierons les recherches récentes sur l’effet des incitatifs sur la performance des travailleurs de la foule. Le temps permis, nous aborderons également les recherches ethnographiques récentes qui étudieront la communauté des travailleurs de la foule et/ou nous pencherons sur les implications éthiques de la foule.
Malgré l’inclusion de bonnes pratiques et d’outils, ce didacticiel ne doit pas être considéré comme un guide prescriptif pour l’application de techniques existantes. Les objectifs du tutoriel sont de vous inspirer à trouver de nouvelles façons d’utiliser le crowdsourcing dans votre propre recherche et de vous fournir les ressources dont vous avez besoin pour éviter les pièges courants quand vous le faites.
Public cible : ce tutoriel est ouvert à toute personne qui souhaite en savoir plus sur la recherche de pointe dans le crowdsourcing. Aucune hypothèse n’est faite sur la familiarité du public avec le crowdsourcing ou des techniques d’apprentissage automatique spécifiques. Tous ceux qui sont curieux sont les bienvenus à assister !
À mesure que les approches du tutoriel, des informations supplémentaires seront disponibles sur le site web du didacticiel : http://www.jennwv.com/projects/crowdtutorial.html
Ce tutoriel présente quelques-unes des utilisations les plus innovantes du crowdsourcing qui ont émergé au cours des dernières années. Bien que certains aient des avantages clairs et immédiats pour le Machine Learning, nous aborderons également des exemples dans lesquels le crowdsourcing a permis aux chercheurs de répondre à des questions passionnantes dans la psychologie, l’économie et d’autres domaines.
Nous aborderons les meilleures pratiques en matière de crowdsourcing (par exemple comment et pourquoi maintenir une relation positive avec les travailleurs de la foule) et les outils de crowdsourcing disponibles. Nous étudierons les recherches récentes sur l’effet des incitatifs sur la performance des travailleurs de la foule. Le temps permis, nous aborderons également les recherches ethnographiques récentes qui étudieront la communauté des travailleurs de la foule et/ou nous pencherons sur les implications éthiques de la foule.
Malgré l’inclusion de bonnes pratiques et d’outils, ce didacticiel ne doit pas être considéré comme un guide prescriptif pour l’application de techniques existantes. Les objectifs du tutoriel sont de vous inspirer à trouver de nouvelles façons d’utiliser le crowdsourcing dans votre propre recherche et de vous fournir les ressources dont vous avez besoin pour éviter les pièges courants quand vous le faites.
Public cible : ce tutoriel est ouvert à toute personne qui souhaite en savoir plus sur la recherche de pointe dans le crowdsourcing. Aucune hypothèse n’est faite sur la familiarité du public avec le crowdsourcing ou des techniques d’apprentissage automatique spécifiques. Tous ceux qui sont curieux sont les bienvenus à assister !
À mesure que les approches du tutoriel, des informations supplémentaires seront disponibles sur le site web du didacticiel : http://www.jennwv.com/projects/crowdtutorial.html
Vous voulez donner votre avis ? Soumettez un problème ici.