Key points are not available for this paper at this time.
O crowdsourcing permite aproveitar a inteligência e a sabedoria de grupos potencialmente grandes de indivíduos para resolver problemas. Problemas comuns abordados com crowdsourcing incluem rotulagem de imagens, tradução ou transcrição de textos, fornecimento de opiniões ou ideias, e tarefas semelhantes — todas funções nas quais os computadores não são bons ou onde eles podem até falhar completamente. No entanto, a introdução de humanos nas computações e/ou no trabalho cotidiano também apresenta desafios críticos e novos em termos de controle de qualidade, uma vez que a multidão é tipicamente composta por pessoas com habilidades, competências, interesses, objetivos pessoais e recursos tecnológicos desconhecidos e muito diversos. Esta pesquisa estuda a qualidade no contexto do crowdsourcing ao longo de várias dimensões, a fim de defini-la e caracterizá-la, e entender o estado atual da arte. Especificamente, esta pesquisa deriva um modelo de qualidade para tarefas de crowdsourcing, identifica os métodos e técnicas que podem ser utilizados para avaliar os atributos do modelo, e as ações e estratégias que ajudam a prevenir e mitigar problemas de qualidade. Uma análise de como esses recursos são apoiados pelo estado da arte identifica ainda questões em aberto e informa sobre as direções de pesquisa futuras quentes.
Daniel et al. (Qui,) estudaram esta questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: