Crowdsourced Research (Crowdsourcing-Forschung)

Definition: Die Crowdsourcing-Forschung ist ein Modell für die soziale Organisation der Forschung als groß angelegte Zusammenarbeit, bei der ein oder mehrere Forschungsprojekte von mehreren Teams auf unabhängige und koordinierte Weise durchgeführt werden. Crowdsourcing-Forschung zielt darauf ab, durch die Bündelung von Ressourcen, die Förderung von Transparenz und sozialer Inklusion Effizienz und Skalierbarkeit zu erreichen und die Genauigkeit, Zuverlässigkeit (Reliabilität) und Vertrauenswürdigkeit durch die Verbesserung der statistischen Teststärke (Power) und gegenseitiger sozialer Abstimmung zu erhöhen. Sie steht im Gegensatz zum traditionellen Modell der akademischen Forschungsproduktion, das von der unabhängigen Arbeit einzelner Forschenden oder kleiner Forschendengruppen (“small science”) dominiert wird. Beispiele für Crowdsourcing-Forschung sind sogenannte “Many Labs”-Replikations-Studien (Klein et al., 2018), “Many Analysts, One Dataset”-Studien (Silberzahn et al., 2018), verteilte kollaborative Netzwerke (Moshontz et al., 2018) und offene kollaborative Schreibprojekte wie Massively Open Online Papers (MOOPs) (Himmelstein et al., 2019; Tennant et al., 2019). Alternativ kann sich Crowdsourcing-Forschung auf den Einsatz einer großen Anzahl von “Crowdforschenden” bei der Datenerhebung beziehen, die über Online-Arbeitsmärkte wie Amazon Mechanical Turk oder Prolific angeheuert werden, zum Beispiel bei Inhaltsanalyse (Benoit et al., 2016; Lind et al., 2017) oder experimenteller Forschung (Peer et al., 2017). Crowdsourcing-Forschung, die sowohl offen für die Teilnahme als auch offen für gemeinsame Zwischenergebnisse ist, wird als Crowd Science bezeichnet (Franzoni & Sauermann, 2014).