Azərbaycanca
Беларускі
Dansk
Deutsch
Española
Français
Indonesia
Italiana
日本語
Қазақ
Lietuvos
Nederlands
Português
Русский
සිංහල
แบบไทย
Türkçe
Українська
中國人
United State
Afrikaans
Kalabalığın bilgeliği, tek bir uzmanın görüşünden ziyade çeşitli ve bağımsız bir grup bireyin ortak düşüncesidir. Bu süreç, Bilgi Çağı için yeni olmasa da, Quora, Reddit, Stack Exchange, Wikipedia, Yahoo! Answers gibi sosyal bilgi siteleri ve kolektif insan bilgisine dayanan diğer internet kaynakları tarafından ana akım spot ışığına itilmiştir. Bu olgunun bir açıklaması, her bir bireysel kararla ilişkili kendine özgü bir sesin olması ve çok sayıda yanıtın ortalamasının alınmasının bu sesin etkisini ortadan kaldırmaya yönelik bir çaba olacağıdır.
Jürili yargılama, bir veya birkaç uzmana dayanan kürsü yargılamasına nazaran en azından kısmen kalabalığın bilgeliğine dayandığı şeklinde algılanabilir. Siyasette bazen kalabalığın bilgeliğinin neye benzeyeceğine örnek olarak seçim gösterilmektedir. Karar verme süreci oldukça homojen bir siyasi grup ya da parti yerine çeşitlilik arz eden bir grup tarafından gerçekleştirilecektir. Bilişsel bilim alanındaki araştırmalar, kalabalığın bilgeliği etkileri ile bireysel biliş arasındaki ilişkiyi modellemeye çalışmıştır.
Büyük bir grubun miktar tahmini, genel dünya bilgisi ve uzamsal muhakeme içeren sorulara verdiği toplu cevapların genellikle grup içindeki herhangi bir bireyin verdiği yanıt kadar iyi olduğu, ancak çoğu zaman daha iyi olduğu görülmüştür.
Sosyal seçim teorisindeki jüri teoremleri, çeşitli az ya da çok makul varsayımlar altında kalabalığın bilgeliği için resmi argümanlar sağlamaktadır. Teoremlerin kendileri tartışmalı olmasa da hem varsayımlar hem de sonuçlar tartışmalı olmaya devam etmektedir. En eski ve en basit olanı Condorcet'in jüri teoremidir (1785).
Örnekler
Aristoteles, Politika adlı eserinde "kalabalığın bilgeliği" hakkında yazan ilk kişi olarak kabul edilmektedir. Aristoteles'e göre, “tek tek iyi insanlar olmasalar da, bir araya geldiklerinde bireysel olarak değil ama toplu olarak iyi olanlardan daha iyi olmaları mümkün, tıpkı birçok kişinin katkıda bulunduğu toplu yemeklerin tek bir kişinin masrafıyla verilenlerden daha iyi olması gibi”.
Kalabalığın klasik bilgelik bulgusunda, sürekli bir miktarın noktasal tahmini söz konusudur. Plymouth'ta 1906 yılında düzenlenen bir kır panayırında, 800 kişi kesilip hazırlanmış bir öküzün ağırlığını tahmin etme yarışmasına katılmıştır. İstatistikçi Francis Galton, ortanca tahmin olan 1207 poundun, 1198 pound olan gerçek ağırlığın %1'i içerisinde doğru olduğunu gözlemlemiştir. Bu durum, bilişsel bilimde, bir kalabalığın bireysel yargılarının, tahmin edilen miktarın gerçek değerine yakın ortalanmış medyan ile yanıtların bir olasılık dağılımı olarak modelleştirilebileceği anlayışına katkıda bulunmuştur.
Son yıllarda “kalabalığın bilgeliği” olgusundan iş stratejisi, reklam alanları ve ayrıca siyasi araştırmalarda yararlanılmaktadır. Pazarlama firmaları, müşterileri için tüketici geri bildirimlerini ve marka izlenimlerini bir araya getirmektedir. Bu arada, Trada gibi şirketler müşterilerin gereksinimlerine göre reklam tasarlamak için kalabalıkları davet etmektedir. Son olarak, siyasi tercihler siyasi seçimleri tahmin etmek veya önceden tahmin etmek üzere bir araya getirilmektedir.
İnsan dışı örnekler de yaygındır. Örneğin, golden shiner gölgeli alanları tercih eden bir balıktır. Tek bir shiner, bir su kütlesindeki gölgeli bölgeleri bulmakta çok zorlanırken, büyük bir grup gölgeyi bulmakta çok daha başarılı olmaktadır.
Kalabalığın tanımı
Kalabalığın bilgeliği bağlamında kalabalık terimi geniş bir anlam kazanır. Bir tanım, kalabalığı, açık bir katılım çağrısıyla bir araya gelen bir grup insan olarak nitelendirmektedir. Kalabalıklar genellikle çevrimiçi uygulamalarda kullanılsa da, çevrimdışı bağlamlarda da kullanılabilirler. Bazı durumlarda, bir kalabalığın mensuplarına katılım için maddi teşvikler sunulabilmektedir. Amerika Birleşik Devletleri'ndeki jüri görevi gibi bazı “kalabalığın bilgeliği” uygulamalarında kalabalığın katılımı zorunludur.
Zorluklar ve çözüm yaklaşımları
Kalabalığın bilgeliği araştırmaları rutin olarak kalabalık ortalamaların bireysel yargılara göre üstünlüğünü bireysel gürültünün ortadan kaldırılmasına bağlamaktadır; bu da bireysel yargıların birbirinden bağımsız olduğunu varsayan bir açıklama olmaktadır. Bu nedenle kalabalık, farklı görüş ve ideolojilerden oluşuyorsa en iyi kararları verme eğilimindedir.
Ortalama alma, her bir kişinin cevabını farklı bir şekilde etkileyen rastgele hataları ortadan kaldırabilmektedir, fakat tüm kalabalığın görüşlerini aynı şekilde etkileyen sistematik hataları ortadan kaldıramamaktadır. Örneğin, kalabalığın bilgeliği tekniğinin bilişsel önyargıları telafi etmesi beklenmemektedir.
Scott E. Page farklılık tahmin teoremini ortaya atmıştır: “Kolektif tahminin karesel hatası, ortalama karesel hata eksi tahmin çeşitliliğine eşittir”. Bu nedenle, bir grupta çeşitlilik büyük olduğunda, kalabalığın hatası da küçük olmaktadır.
Miller ve Stevyers, bir bilgelik deneyinde katılımcılar arasında sınırlı iletişime izin vererek bireysel yanıtların bağımsızlığını azaltmıştır. Katılımcılardan, ABD başkanlarının sırası gibi genel bilgi sorularına yönelik sıralama sorularını yanıtlamaları istenmiştir. Soruların yarısı için her katılımcı başka bir katılımcı tarafından sunulan ve bu konuda bilgilendirilen sıralama ile başlamış, diğer yarısı için ise rastgele bir sıralama ile başlamış ve her iki durumda da gerekirse bunları doğru sıraya göre yeniden düzenlemeleri istenmiştir. Katılımcıların başka bir katılımcının sıralamasıyla başladığı yanıtlar, rastgele başlama koşulundakilerden ortalama olarak daha isabetliydi. Miller ve Steyvers, katılımcılar arasındaki farklı düzeydeki bilgilerin bu olgudan sorumlu olduğu ve katılımcıların önceki katılımcıların bilgilerini kendi bilgileriyle bütünleştirdiği ve artırdığı sonucuna varmıştır.
Kalabalıkların en iyi çalışma eğilimi, coğrafya veya matematikle ilgili bir soru gibi, sorulan sorunun doğru bir cevabı olduğunda ortaya çıkmaktadır. Ortada kesin bir cevap olmadığı zaman kalabalıklar gelişigüzel sonuçlara varabilmektedir. Kalabalığın bilgeliği algoritması, bireysel cevaplar yakınlık gösterdiğinde ve doğru cevap etrafında, bilinmeyen de olsa, simetrik bir dağılım gösterdiğinde başarılı olmaktadır. Bu simetri, yanıtlardaki hataların ortalamasının alınması işlemi sırasında birbirini yok etmesini sağlamaktadır. Tersine, bu algoritmalar doğru yanıtların alt kümesi sınırlı olduğunda rastgele önyargılara karşı koyamayarak sekteye uğrayabilmektedir. Bu zorluk, genellikle farklı uzmanlık seviyelerine sahip bireylerin anonim olarak yanıt verdiği çevrimiçi ortamda özellikle belirgin hale gelmektedir. Bazı “kalabalığın bilgeliği” algoritmaları, beklenti maksimizasyonu oylama tekniklerini kullanarak bu sorunu ele almaktadır. Wisdom-IN-the-crowd (Kalabalığın bilgeliği) (WICRO) algoritması tek geçişli bir tasnif çözümü sunmaktadır. Bireylerin uzmanlık seviyesini, aralarındaki göreceli “mesafeyi” değerlendirerek ölçmektedir. Özellikle, algoritma uzmanları, uzmanlık alanlarındaki soruları ele alırken yanıtlarının birbirlerine nispeten “daha yakın” olacağını farz ederek tanımlamaktadır. Bu yaklaşım, algoritmanın, katılımcıların yalnızca küçük bir alt kümesinin belirli bir alanda yeterliliğe sahip olduğu senaryolarda uzmanlık seviyelerini ayırt etme becerisini geliştirerek anonim çevrimiçi etkileşimler sırasında ortaya çıkabilecek potansiyel önyargıların etkisini azaltmaktadır.
Kalabalık bilgeliğinin etkisi kolayca baltalanabilir. Sosyal etki, kalabalığın cevaplarının ortalamasının yanlış olmasına neden olabilirken, geometrik ortalama ve medyan daha dayanıklıdır. Bu, bir bireyin belirsizliğini ve tahminine olan güvenini bilmeye dayanmaktadır. Bir konu hakkında bilgili olan bireylerin ortalama cevabı, konu hakkında hiçbir şey bilmeyen bireylerin ortalamasından farklı çıkacaktır. Bilgili ve deneyimsiz görüşlerin basit bir ortalaması, ortalamanın ağırlıklandırılmasının cevaplarının belirsizliğine ve güvenine dayandığı bir ortalamadan daha az doğru sonuç verecektir.
İsviçre Federal Teknoloji Enstitüsü tarafından yürütülen deneyler, bir grup insandan bir soruya birlikte cevap vermeleri istendiği zaman, bir fikir birliğine varmaya çalıştıklarını ve bunun da sıklıkla cevabın doğruluğunun azalmasına neden olduğunu ortaya koymuştur. Bu etkiye karşı bir öneri, grubun farklı geçmişlere sahip bir nüfustan oluşmasını sağlamaktır.
Good Judgment Project tarafından yapılan araştırma, tahmin anketleri düzenleyen ekiplerin erken fikir birliğine varmaktan kaçınabildiğini ve tahmin pazarlarında üretilenlerden daha doğru olan toplam olasılık tahminleri üretebildiğini göstermiştir.
Ayrıca bakınız
Kaynakça
- ^ Baase, Sara (2007). A Gift of Fire: Social, Legal, and Ethical Issues for Computing and the Internet. 3rd edition. Prentice Hall. pp. 351–357. .
- ^ Yi, Sheng Kung Michael; Steyvers, Mark; Lee, Michael D.; Dry, Matthew J. (April 2012). "The Wisdom of the Crowd in Combinatorial Problems". . 36 (3): 452-470. doi:10.1111/j.1551-6709.2011.01223.x. (PMID) 22268680.
- ^ Ober, Josiah (September 2009). "An Aristotelian middle way between deliberation and independent-guess aggregation" (PDF). Princeton/Stanford Working Papers in Classics. Stanford, California: Stanford University. 5 Aralık 2021 tarihinde kaynağından (PDF). Erişim tarihi: 21 Mayıs 2024.
- ^ Landemore, Hélène (2012). "Collective Wisdom—Old and New" (PDF). Landemore, Hélène (Ed.). Collective wisdom: principles and mechanisms. Cambridge, England: Cambridge University Press. ISBN . OCLC 752249923.
- ^ Aristotle (1967). "III". . Rackham, H. tarafından çevrildi. Cambridge, Massachusetts: . s. 1281b.
- ^ Galton, Francis (1907). "Vox populi". Nature. 75 (1949): 450-451. doi:10.1038/075450a0.
- ^ a b Surowiecki, James (2004). . . s. 10. ISBN .
- ^ Rich, Laura (4 Ağustos 2010). "Tapping the Wisdom of the Crowd". The New York Times. ISSN 0362-4331. 19 Kasım 2017 tarihinde kaynağından . Erişim tarihi: 3 Nisan 2017.
- ^ Sjöberg, Lennart (September 2008). "Are all crowds equally wise? a comparison of political election forecasts by experts and the public". Journal of Forecasting (İngilizce). 28 (1): 1-18. doi:10.1002/for.1083.
- ^ Murr, Andreas E. (September 2015). "The wisdom of crowds: Applying Condorcet's jury theorem to forecasting US presidential elections". International Journal of Forecasting (İngilizce). 31 (3): 916-929. doi:10.1016/j.ijforecast.2014.12.002.
- ^ Yong, Ed (31 Ocak 2013). . Phenomena. 3 Şubat 2013 tarihinde kaynağından arşivlendi. Erişim tarihi: 2 Nisan 2017.
- ^ a b Prpić, John; Shukla, Prashant P.; Kietzmann, Jan H.; McCarthy, Ian P. (1 Ocak 2015). "How to work a crowd: Developing crowd capital through crowdsourcing". Business Horizons. 58 (1): 77-85. arXiv:1702.04214 $2. doi:10.1016/j.bushor.2014.09.005.
- ^ "Wisdom of the crowd". Nature. 438 (7066): 281. 2005. doi:10.1038/438281a. (PMID) 16292279.
- ^ O'Donnell, Michael H. "Judge extols wisdom of juries". Idaho State Journal (İngilizce). 11 Haziran 2017 tarihinde kaynağından . Erişim tarihi: 3 Nisan 2017.
- ^ Benhenda, Mostapha (2011). "A Model of Deliberation Based on Rawls's Political Liberalism". Social Choice and Welfare. 36: 121-178. doi:10.1007/s00355-010-0469-2.
- ^ Vul, E.; Pashler, H. (2008). "Measuring the Crowd Within: Probabilistic Representations Within Individuals". Psychological Science. 19 (7): 645-647. doi:10.1111/j.1467-9280.2008.02136.x. (PMID) 18727777.
- ^ Marcus Buckingham; Ashley Goodall. "The Feedback Fallacy". , March-April 2019. 27 Mayıs 2019 tarihinde kaynağından . Erişim tarihi: 21 Mayıs 2024.
- ^ a b c Ratner, N., Kagan, E., Kumar, P., & Ben-Gal, I. (2023). "Unsupervised classification for uncertain varying responses: The wisdom-in-the-crowd (WICRO) algorithm" (PDF). Knowledge-Based Systems, 272: 110551. 22 Şubat 2024 tarihinde kaynağından (PDF). Erişim tarihi: 21 Mayıs 2024.
- ^ Page, Scott E. (2007). The Difference: How the Power of Diversity Creates Better Groups, Firms, Schools, and Societies. Princeton, NJ: Princeton University Press. ISBN .
- ^ Miller, B., and Steyvers, M. (in press). "The Wisdom of Crowds with Communication". In L. Carlson, C. Hölscher, & T.F. Shipley (Eds.), Proceedings of the 33rd Annual Conference of the Cognitive Science Society. Austin, TX: Cognitive Science Society.
- ^ "The Wisdom of Crowds". randomhouse.com. 24 Mayıs 2024 tarihinde kaynağından . Erişim tarihi: 21 Mayıs 2024.
- ^ a b Ball, Philip. "'Wisdom of the crowd': The myths and realities". 3 Nisan 2017 tarihinde kaynağından . Erişim tarihi: 2 Nisan 2017.
- ^ Ghanaiem, A., Kagan, E., Kumar, P., Raviv, T., Glynn, P., & Ben-Gal, I. (2023). "Unsupervised Classification under Uncertainty: The Distance-Based Algorithm" (PDF). Mathematics, 11(23), 4784. 14 Nisan 2024 tarihinde kaynağından (PDF). Erişim tarihi: 21 Mayıs 2024.
- ^ "How Social Influence can Undermine the Wisdom of Crowd Effect" 24 Eylül 2015 tarihinde Wayback Machine sitesinde .. Proc. Natl. Acad. Sci., 2011.
- ^ Atanasov, Pavel; Rescober, Phillip; Stone, Eric; Swift, Samuel A.; Servan-Schreiber, Emile; Tetlock, Philip; Ungar, Lyle; Mellers, Barbara (22 Nisan 2016). "Distilling the Wisdom of Crowds: Prediction Markets vs. Prediction Polls". Management Science. 63 (3): 691-706. doi:10.1287/mnsc.2015.2374. ISSN 0025-1909. 28 Mayıs 2024 tarihinde kaynağından . Erişim tarihi: 21 Mayıs 2024.
wikipedia, wiki, viki, vikipedia, oku, kitap, kütüphane, kütübhane, ara, ara bul, bul, herşey, ne arasanız burada,hikayeler, makale, kitaplar, öğren, wiki, bilgi, tarih, yukle, izle, telefon için, turk, türk, türkçe, turkce, nasıl yapılır, ne demek, nasıl, yapmak, yapılır, indir, ücretsiz, ücretsiz indir, bedava, bedava indir, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, resim, müzik, şarkı, film, film, oyun, oyunlar, mobil, cep telefonu, telefon, android, ios, apple, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, pc, web, computer, bilgisayar
Kalabaligin bilgeligi tek bir uzmanin gorusunden ziyade cesitli ve bagimsiz bir grup bireyin ortak dusuncesidir Bu surec Bilgi Cagi icin yeni olmasa da Quora Reddit Stack Exchange Wikipedia Yahoo Answers gibi sosyal bilgi siteleri ve kolektif insan bilgisine dayanan diger internet kaynaklari tarafindan ana akim spot isigina itilmistir Bu olgunun bir aciklamasi her bir bireysel kararla iliskili kendine ozgu bir sesin olmasi ve cok sayida yanitin ortalamasinin alinmasinin bu sesin etkisini ortadan kaldirmaya yonelik bir caba olacagidir Jurili yargilama bir veya birkac uzmana dayanan kursu yargilamasina nazaran en azindan kismen kalabaligin bilgeligine dayandigi seklinde algilanabilir Siyasette bazen kalabaligin bilgeliginin neye benzeyecegine ornek olarak secim gosterilmektedir Karar verme sureci oldukca homojen bir siyasi grup ya da parti yerine cesitlilik arz eden bir grup tarafindan gerceklestirilecektir Bilissel bilim alanindaki arastirmalar kalabaligin bilgeligi etkileri ile bireysel bilis arasindaki iliskiyi modellemeye calismistir Buyuk bir grubun miktar tahmini genel dunya bilgisi ve uzamsal muhakeme iceren sorulara verdigi toplu cevaplarin genellikle grup icindeki herhangi bir bireyin verdigi yanit kadar iyi oldugu ancak cogu zaman daha iyi oldugu gorulmustur Sosyal secim teorisindeki juri teoremleri cesitli az ya da cok makul varsayimlar altinda kalabaligin bilgeligi icin resmi argumanlar saglamaktadir Teoremlerin kendileri tartismali olmasa da hem varsayimlar hem de sonuclar tartismali olmaya devam etmektedir En eski ve en basit olani Condorcet in juri teoremidir 1785 OrneklerAristoteles Politika adli eserinde kalabaligin bilgeligi hakkinda yazan ilk kisi olarak kabul edilmektedir Aristoteles e gore tek tek iyi insanlar olmasalar da bir araya geldiklerinde bireysel olarak degil ama toplu olarak iyi olanlardan daha iyi olmalari mumkun tipki bircok kisinin katkida bulundugu toplu yemeklerin tek bir kisinin masrafiyla verilenlerden daha iyi olmasi gibi Charles Wellington Furse tarafindan 1954 te Londra daki Ulusal Portre Galerisi ne verilen Sir Francis Galton Kalabaligin klasik bilgelik bulgusunda surekli bir miktarin noktasal tahmini soz konusudur Plymouth ta 1906 yilinda duzenlenen bir kir panayirinda 800 kisi kesilip hazirlanmis bir okuzun agirligini tahmin etme yarismasina katilmistir Istatistikci Francis Galton ortanca tahmin olan 1207 poundun 1198 pound olan gercek agirligin 1 i icerisinde dogru oldugunu gozlemlemistir Bu durum bilissel bilimde bir kalabaligin bireysel yargilarinin tahmin edilen miktarin gercek degerine yakin ortalanmis medyan ile yanitlarin bir olasilik dagilimi olarak modellestirilebilecegi anlayisina katkida bulunmustur Son yillarda kalabaligin bilgeligi olgusundan is stratejisi reklam alanlari ve ayrica siyasi arastirmalarda yararlanilmaktadir Pazarlama firmalari musterileri icin tuketici geri bildirimlerini ve marka izlenimlerini bir araya getirmektedir Bu arada Trada gibi sirketler musterilerin gereksinimlerine gore reklam tasarlamak icin kalabaliklari davet etmektedir Son olarak siyasi tercihler siyasi secimleri tahmin etmek veya onceden tahmin etmek uzere bir araya getirilmektedir Insan disi ornekler de yaygindir Ornegin golden shiner golgeli alanlari tercih eden bir baliktir Tek bir shiner bir su kutlesindeki golgeli bolgeleri bulmakta cok zorlanirken buyuk bir grup golgeyi bulmakta cok daha basarili olmaktadir Kalabaligin tanimiKalabaligin bilgeligi baglaminda kalabalik terimi genis bir anlam kazanir Bir tanim kalabaligi acik bir katilim cagrisiyla bir araya gelen bir grup insan olarak nitelendirmektedir Kalabaliklar genellikle cevrimici uygulamalarda kullanilsa da cevrimdisi baglamlarda da kullanilabilirler Bazi durumlarda bir kalabaligin mensuplarina katilim icin maddi tesvikler sunulabilmektedir Amerika Birlesik Devletleri ndeki juri gorevi gibi bazi kalabaligin bilgeligi uygulamalarinda kalabaligin katilimi zorunludur Zorluklar ve cozum yaklasimlariKalabaligin bilgeligi arastirmalari rutin olarak kalabalik ortalamalarin bireysel yargilara gore ustunlugunu bireysel gurultunun ortadan kaldirilmasina baglamaktadir bu da bireysel yargilarin birbirinden bagimsiz oldugunu varsayan bir aciklama olmaktadir Bu nedenle kalabalik farkli gorus ve ideolojilerden olusuyorsa en iyi kararlari verme egilimindedir Ortalama alma her bir kisinin cevabini farkli bir sekilde etkileyen rastgele hatalari ortadan kaldirabilmektedir fakat tum kalabaligin goruslerini ayni sekilde etkileyen sistematik hatalari ortadan kaldiramamaktadir Ornegin kalabaligin bilgeligi tekniginin bilissel onyargilari telafi etmesi beklenmemektedir Scott E Page farklilik tahmin teoremini ortaya atmistir Kolektif tahminin karesel hatasi ortalama karesel hata eksi tahmin cesitliligine esittir Bu nedenle bir grupta cesitlilik buyuk oldugunda kalabaligin hatasi da kucuk olmaktadir Miller ve Stevyers bir bilgelik deneyinde katilimcilar arasinda sinirli iletisime izin vererek bireysel yanitlarin bagimsizligini azaltmistir Katilimcilardan ABD baskanlarinin sirasi gibi genel bilgi sorularina yonelik siralama sorularini yanitlamalari istenmistir Sorularin yarisi icin her katilimci baska bir katilimci tarafindan sunulan ve bu konuda bilgilendirilen siralama ile baslamis diger yarisi icin ise rastgele bir siralama ile baslamis ve her iki durumda da gerekirse bunlari dogru siraya gore yeniden duzenlemeleri istenmistir Katilimcilarin baska bir katilimcinin siralamasiyla basladigi yanitlar rastgele baslama kosulundakilerden ortalama olarak daha isabetliydi Miller ve Steyvers katilimcilar arasindaki farkli duzeydeki bilgilerin bu olgudan sorumlu oldugu ve katilimcilarin onceki katilimcilarin bilgilerini kendi bilgileriyle butunlestirdigi ve artirdigi sonucuna varmistir Kalabaliklarin en iyi calisma egilimi cografya veya matematikle ilgili bir soru gibi sorulan sorunun dogru bir cevabi oldugunda ortaya cikmaktadir Ortada kesin bir cevap olmadigi zaman kalabaliklar gelisiguzel sonuclara varabilmektedir Kalabaligin bilgeligi algoritmasi bireysel cevaplar yakinlik gosterdiginde ve dogru cevap etrafinda bilinmeyen de olsa simetrik bir dagilim gosterdiginde basarili olmaktadir Bu simetri yanitlardaki hatalarin ortalamasinin alinmasi islemi sirasinda birbirini yok etmesini saglamaktadir Tersine bu algoritmalar dogru yanitlarin alt kumesi sinirli oldugunda rastgele onyargilara karsi koyamayarak sekteye ugrayabilmektedir Bu zorluk genellikle farkli uzmanlik seviyelerine sahip bireylerin anonim olarak yanit verdigi cevrimici ortamda ozellikle belirgin hale gelmektedir Bazi kalabaligin bilgeligi algoritmalari beklenti maksimizasyonu oylama tekniklerini kullanarak bu sorunu ele almaktadir Wisdom IN the crowd Kalabaligin bilgeligi WICRO algoritmasi tek gecisli bir tasnif cozumu sunmaktadir Bireylerin uzmanlik seviyesini aralarindaki goreceli mesafeyi degerlendirerek olcmektedir Ozellikle algoritma uzmanlari uzmanlik alanlarindaki sorulari ele alirken yanitlarinin birbirlerine nispeten daha yakin olacagini farz ederek tanimlamaktadir Bu yaklasim algoritmanin katilimcilarin yalnizca kucuk bir alt kumesinin belirli bir alanda yeterlilige sahip oldugu senaryolarda uzmanlik seviyelerini ayirt etme becerisini gelistirerek anonim cevrimici etkilesimler sirasinda ortaya cikabilecek potansiyel onyargilarin etkisini azaltmaktadir Kalabalik bilgeliginin etkisi kolayca baltalanabilir Sosyal etki kalabaligin cevaplarinin ortalamasinin yanlis olmasina neden olabilirken geometrik ortalama ve medyan daha dayaniklidir Bu bir bireyin belirsizligini ve tahminine olan guvenini bilmeye dayanmaktadir Bir konu hakkinda bilgili olan bireylerin ortalama cevabi konu hakkinda hicbir sey bilmeyen bireylerin ortalamasindan farkli cikacaktir Bilgili ve deneyimsiz goruslerin basit bir ortalamasi ortalamanin agirliklandirilmasinin cevaplarinin belirsizligine ve guvenine dayandigi bir ortalamadan daha az dogru sonuc verecektir Isvicre Federal Teknoloji Enstitusu tarafindan yurutulen deneyler bir grup insandan bir soruya birlikte cevap vermeleri istendigi zaman bir fikir birligine varmaya calistiklarini ve bunun da siklikla cevabin dogrulugunun azalmasina neden oldugunu ortaya koymustur Bu etkiye karsi bir oneri grubun farkli gecmislere sahip bir nufustan olusmasini saglamaktir Good Judgment Project tarafindan yapilan arastirma tahmin anketleri duzenleyen ekiplerin erken fikir birligine varmaktan kacinabildigini ve tahmin pazarlarinda uretilenlerden daha dogru olan toplam olasilik tahminleri uretebildigini gostermistir Ayrica bakinizArgumentum ad populum Suru psikolojisi Iletisim ve isbirligi sistemi Kolektif zeka Geleneksel bilgelik Kitle fonlamasi Kitle kaynak Delphi metodu Dunning Kruger etkisi Belirme Buyuk sayilar kanunu Linus yasasi Acik kaynak Pilot hatasi Cogunlugun tiranligiKaynakca Baase Sara 2007 A Gift of Fire Social Legal and Ethical Issues for Computing and the Internet 3rd edition Prentice Hall pp 351 357 0 13 600848 8 Yi Sheng Kung Michael Steyvers Mark Lee Michael D Dry Matthew J April 2012 The Wisdom of the Crowd in Combinatorial Problems 36 3 452 470 doi 10 1111 j 1551 6709 2011 01223 x PMID 22268680 Ober Josiah September 2009 An Aristotelian middle way between deliberation and independent guess aggregation PDF Princeton Stanford Working Papers in Classics Stanford California Stanford University 5 Aralik 2021 tarihinde kaynagindan PDF Erisim tarihi 21 Mayis 2024 Landemore Helene 2012 Collective Wisdom Old and New PDF Landemore Helene Ed Collective wisdom principles and mechanisms Cambridge England Cambridge University Press ISBN 9781107010338 OCLC 752249923 Aristotle 1967 III Rackham H tarafindan cevrildi Cambridge Massachusetts s 1281b Galton Francis 1907 Vox populi Nature 75 1949 450 451 doi 10 1038 075450a0 a b Surowiecki James 2004 s 10 ISBN 978 0 385 50386 0 Rich Laura 4 Agustos 2010 Tapping the Wisdom of the Crowd The New York Times ISSN 0362 4331 19 Kasim 2017 tarihinde kaynagindan Erisim tarihi 3 Nisan 2017 Sjoberg Lennart September 2008 Are all crowds equally wise a comparison of political election forecasts by experts and the public Journal of Forecasting Ingilizce 28 1 1 18 doi 10 1002 for 1083 Murr Andreas E September 2015 The wisdom of crowds Applying Condorcet s jury theorem to forecasting US presidential elections International Journal of Forecasting Ingilizce 31 3 916 929 doi 10 1016 j ijforecast 2014 12 002 Yong Ed 31 Ocak 2013 Phenomena 3 Subat 2013 tarihinde kaynagindan arsivlendi Erisim tarihi 2 Nisan 2017 a b Prpic John Shukla Prashant P Kietzmann Jan H McCarthy Ian P 1 Ocak 2015 How to work a crowd Developing crowd capital through crowdsourcing Business Horizons 58 1 77 85 arXiv 1702 04214 2 doi 10 1016 j bushor 2014 09 005 Wisdom of the crowd Nature 438 7066 281 2005 doi 10 1038 438281a PMID 16292279 O Donnell Michael H Judge extols wisdom of juries Idaho State Journal Ingilizce 11 Haziran 2017 tarihinde kaynagindan Erisim tarihi 3 Nisan 2017 Benhenda Mostapha 2011 A Model of Deliberation Based on Rawls s Political Liberalism Social Choice and Welfare 36 121 178 doi 10 1007 s00355 010 0469 2 Vul E Pashler H 2008 Measuring the Crowd Within Probabilistic Representations Within Individuals Psychological Science 19 7 645 647 doi 10 1111 j 1467 9280 2008 02136 x PMID 18727777 Marcus Buckingham Ashley Goodall The Feedback Fallacy March April 2019 27 Mayis 2019 tarihinde kaynagindan Erisim tarihi 21 Mayis 2024 a b c Ratner N Kagan E Kumar P amp Ben Gal I 2023 Unsupervised classification for uncertain varying responses The wisdom in the crowd WICRO algorithm PDF Knowledge Based Systems 272 110551 22 Subat 2024 tarihinde kaynagindan PDF Erisim tarihi 21 Mayis 2024 KB1 bakim Birden fazla ad yazar listesi link Page Scott E 2007 The Difference How the Power of Diversity Creates Better Groups Firms Schools and Societies Princeton NJ Princeton University Press ISBN 978 0 691 13854 1 Miller B and Steyvers M in press The Wisdom of Crowds with Communication In L Carlson C Holscher amp T F Shipley Eds Proceedings of the 33rd Annual Conference of the Cognitive Science Society Austin TX Cognitive Science Society The Wisdom of Crowds randomhouse com 24 Mayis 2024 tarihinde kaynagindan Erisim tarihi 21 Mayis 2024 a b Ball Philip Wisdom of the crowd The myths and realities 3 Nisan 2017 tarihinde kaynagindan Erisim tarihi 2 Nisan 2017 Ghanaiem A Kagan E Kumar P Raviv T Glynn P amp Ben Gal I 2023 Unsupervised Classification under Uncertainty The Distance Based Algorithm PDF Mathematics 11 23 4784 14 Nisan 2024 tarihinde kaynagindan PDF Erisim tarihi 21 Mayis 2024 KB1 bakim Birden fazla ad yazar listesi link How Social Influence can Undermine the Wisdom of Crowd Effect 24 Eylul 2015 tarihinde Wayback Machine sitesinde Proc Natl Acad Sci 2011 Atanasov Pavel Rescober Phillip Stone Eric Swift Samuel A Servan Schreiber Emile Tetlock Philip Ungar Lyle Mellers Barbara 22 Nisan 2016 Distilling the Wisdom of Crowds Prediction Markets vs Prediction Polls Management Science 63 3 691 706 doi 10 1287 mnsc 2015 2374 ISSN 0025 1909 28 Mayis 2024 tarihinde kaynagindan Erisim tarihi 21 Mayis 2024