Questo sito utilizza cookie per raccogliere informazioni sull'utilizzo. Cliccando su questo banner o navigando il sito, acconsenti all'uso dei cookie. Leggi la nostra cookie policy.OK

Direttore responsabile Alessandro Longo

Polimi

Crowdsourcing, approcci e soluzioni per una Italia digitale

di Salvatore Distefano, Politecnico di Milano

06 Ott 2016

6 ottobre 2016

Il modello è in espansione ed è possibile individuare quattro categorie. Ma permangono problemi che richiedono un approccio multidisciplinare per la soluzione. Nascono così anche nuove discipline, come la “citizen science”

L’approccio crowdsourcing per la risoluzione di problemi complessi si sta via via affermando, con interessanti risvolti sia in ambito scientifico che commerciale. Al tempo stesso solleva sfide e complessità che richiedono soluzioni e competenze multidisciplinari, come vedremo.

Capire il crowdsourcing

Ricordiamo che il crowdsourcing consiste nel coinvolgimento di un largo numero di “contribuenti” che agiscono attivamente, in maniera più o meno coordinata o del tutto indipendente, alla risoluzione di un problema, di uno specifico compito o a soddisfare una richiesta o fornire uno specifico servizio, insomma, sempre piu’ spesso, un approccio alternativo, distribuito al “problem-solving”. Nel caso in cui tali attività coinvolgano grandi popolazioni di contribuenti esse vengono identificate col temine “Citizen Science”, mentre in ambiti applicativi di tipo commerciale si utilizzano temini quali open innovation, open source, e outsourcing.

Il termine crowdsourcing racchiude tutta una serie di tecniche che non solo sfruttano il “potere” delle masse come “forza lavoro” (power, workforce), ma anche il “sapere”, declinato in forma di “creatività-diversità” (diversity) e “saggezza” (wisdom). Una interessante classificazione di sistemi informativi crowdsourcing [CIS] identifica nella diversita’ delle risorse (omogeneo vs eterogeneo), siano essi dati o contribuenti, e nell’approccio al problema (sfruttamento o meno di prorietà emergenti e intelligenza collettiva ), i parametri su cui specificare le differenti categorie, cosi’ definendone quattro:

  • Crowdprocessing o Crowdcomputing (omogeneo-non emergente): sfrutta prevalentemente la forza lavoro per risolvere problemi complessi ma “nativamente” parallelizzabili (embarrassingly parallel) in sottoproblemi indipendenti, come ad esempio in volunteer computing (BOINC, SETI@Home), mobile crowdsensing (OpenstreetMap), Amazon Mechanical Turk, (Re)Captha.

  • Crowdrating o Crowdvoting (omogeneo-non emergente): utilizza sia la forza lavoro che la saggezza delle masse per affrontare problemi la cui soluzione emerge dall’intelligenza collettiva dei contribuenti o “wisdom of crowds” [Surowiecki]. Esempi sono TripAdvisor e tutti i sistemi di ecommerce con feedback da utente (Ebay, Amazon, Alibaba, …) .

  • Crowdsolving o Crowdcasting (non omogeneo-non emergente): che sfrutta prevalentemente la creatività, la diversità nella risoluzione del problema, spesso posto in forma di competizione. Alcuni esempi si possono considerare le piattaforme per crowdfunding (Kickstarter, Eppela, Indiegogo, …), o quelle piu’ generalmente focalizzate sulla scelta di idee vincenti come InnoCentive.

  • Crowdcreation o Crowddevelopment (non omogeneo-emergente): contributi eterogenei vengono stavolta utilizzati per risolvere problemi complessi la cui soluzione è emerge dai contributi della comunità. E’ il meccanismo alla base dell’OpenSource (Linux, Android, …) e di tutte quei sistemi informativi i cui contenuti sono generati dagli utenti come social networks (Facebook, Twitter, Linkedin, …), YouTube, Wikipedia, etc.

Questa categorizzazione è prevalentemente funzionale, dunque nulla vieta di comporre diverse funzionalità che esibiscono patterns di crowdsourcing diversi in un workflow o applicazione complessa. Tipicamente questo è cio’ che avviene in realtà nel volunteer computing e mobile crowdsensing, dove al pattern del crowdprocessing per la computazione si associa quello di crowdvoting per stabilire se il risultato ottenuto dalla computazione è corretto o meno. Similarmente nei social network, le cui funzionalità vengono ricondotte in prevalenza al crowdcreation, spesso si ricorre a funzionalità classificabili come crowdrating per valutare la qualità di un contenuto (per esempio il meccanismo dei like in Facebook e simili).

 

I problemi del crowdsourcing

Diversi sono i problemi aperti nel crowdsourcing, tra i principali quelli relativi gli aspetti motivazionali alla contribuzione, da rafforzare attraverso specifici meccanismi di incentivazione non solo di tipo economico, ma anche di tipo psicologico-cooperativo (scopi benefici, di comunità, lo stesso meccanismo alla base del volontariato) e/o ludico-competitivo (gamification). Da una parte modelli più o meno elaborati, basati su sistemi di credito o sul meccanismo delle aste online (con basi nella teoria dei giochi e/o mechanism design [MCS]) sono stati implementati, con risultati più o meno soddisfacenti ma non a tal punto da permettere un utilizzo su ampia scala del paradigma. Dall’altra il meccanismo della gamification [GAM] tende a creare competizione tra i contribuenti mettendo su credit collection race [BOINC] che incentivano gli sfidanti a fornire il loro contributo. Altri meccanismi si basano sulla cooperazione, in cui l’incentivo è piuttosto portare a termine un obiettivo comune e condiviso. Tali meccanismi spesso vengono utilizzati contemporaneamente in quanto i loro effetti possono cumularsi ed in certi casi amplificarsi.

Altri problemi aperti sono relativi a sicurezza, confidenzialità, privacy di risorse e dati sensibili, da preservare nella condivisione, l’affidabilità dei contributori e la veridicità/qualità dei risultati, delle informazioni e dei dati prodotti. E’ necessario che i dati ed i risultati ottenuti da attività di tipo crowdsourcing vengano sempre controllati e verificati, introducendo anche opportune metriche di qualità e relativi meccanismi di misura, acquisizione, confronto e verifica.

 

Soluzioni

Per affrontare tutte queste problematiche è necessario ricorrere ad un approccio trans-disciplinare, affiancando alle competenze informatiche quelle umanistiche legate agli aspetti sociali e motivazionali, quali sociologia e psicologia, legali su privacy, sicurezza e trattamento dei dati, economici relativi ai meccanismi d’incentivazione ed ai modelli di business e fruizione delle opportunità offerte dal paradigma. Questo ha portato alla nascita di nuove aree di ricerca frutto dell’intersezione di tali discipline, quali la “citizen science” ovvero “la sistematica raccolta e analisi di dati, sviluppo di tecnologia, monitoring e verifica di fenomeni naturali, e la diffusione di queste attività da parte dei ricercatori su una base costituita principalmente da non professionisti” [DOC].

Restringendo al dominio informatico, diverse competenze multi-disciplinari sono necessarie per sviluppare soluzioni che sfruttino appieno le potenzialità del crowdsourcing, mettendo insieme le tecnologiche dell’ICT, Internet of Things, mobilità, Cloud, con data science, ingegneria del software e dei servizi, algoritmi autonomici, intelligenza collettiva, machine learning e simili. Ingredienti che se dosati nelle giuste proporzioni possono avere grande impatto non solo in termini economici, ma anche nello stile di vita di ciascuno di noi. Ecco appunto, la rivoluzione del Crowdsourcing.
 

 

 

  1. [Howe] Howe, Jeff. “The rise of crowdsourcing.” Wired magazine 14.6 (2006): 1-4.

  2. [Surowiecki] Surowiecki, James. The wisdom of crowds. Anchor, 2005.

  3. [CIS] David Geiger, Martin Schader, Personalized task recommendation in crowdsourcing information systems — Current state of the art, Decision Support Systems, Volume 65, September 2014, Pages 3-16, ISSN 0167-9236, http://dx.doi.org/10.1016/j.dss.2014.05.007.

  4. [GAM] B. Morschheuser, J. Hamari and J. Koivisto, “Gamification in Crowdsourcing: A Review,” 2016 49th Hawaii International Conference on System Sciences (HICSS), Koloa, HI, 2016, pp. 4375-4384. doi: 10.1109/HICSS.2016.543

  5. [MCS] D. Zhao, X. Y. Li and H. Ma, “Budget-Feasible Online Incentive Mechanisms for Crowdsourcing Tasks Truthfully,” in IEEE/ACM Transactions on Networking, vol. 24, no. 2, pp. 647-661, April 2016. doi: 10.1109/TNET.2014.2379281

  6. [BOINC] Anderson, David P. “Boinc: A system for public-resource computing and storage.” Grid Computing, 2004. Proceedings. Fifth IEEE/ACM International Workshop on. IEEE, 2004.

  7. [DOC] OpenScientist.org Forum – Finalizing a Definition of “Citizen Science” and “Citizen Scientists” – http://www.openscientist.org/2011/09/finalizing-definition-of-citizen.html

Articoli correlati