La qualité du crowdsourcing dépend aussi de la pertinence des contributeurs

Par 02 décembre 2011
Mots-clés : Smart city, Amériques, Asie, EMEA
right person

AskIt! propose de déterminer quel utilisateur est le mieux à même de répondre à une question ou une tâche. Cela, via un système de critères que peut établir le client.

Comment optimiser la performance des services basés sur le crowdsourcing ? En passant par le développement d'outils automatisés, capables de repérer la personne adéquate et les questions les plus pertinentes à lui poser, répond une équipe de chercheurs des universités de Tel Aviv et de Californie. Ils ont donc mis au point AskIt!, un système permettant  de déterminer ces différents paramètres, tout en réduisant l'incertitude à propos des données collectées. La plate-forme se chargera également de minimiser l'impact des utilisateurs et des réponses les moins appropriés par rapport à l'objectif des sites sur lesquelles elle sera déployée. Le système, qui s'implémentera aux solutions existantes, prend en fait en compte plusieurs types de paramètres appelés ici "contraintes".

Différents critères paramétrables

Le client détermine combien de questions peuvent être posées, quels internautes peuvent répondre, à combien de questions une même personne peut répondre et combien de fois la même interrogation peut être posée au total. Afin d'enrichir la base de données initiale, la plate-forme utilise aussi deux algorithmes de prédiction capables de déterminer, suivant les réponses et le profil déjà fournis par l'utilisateur, quelle aurait été sa réponse à des questions supplémentaires ou s'il aurait pu ne pas répondre volontairement. Cela, afin d'économiser du temps et des moyens pour l'entreprise. A noter que le système est indépendant des algorithmes de prédiction déjà cités ce qui permet à la société d'en utiliser d'autres, suivant la nature de ses activités.

Une utilité pour les sites marchant sur le principe de la recommandation

La plate-forme se charge alors automatiquement d'envoyer et de sélectionner les meilleurs commentaires ou réponses afin de former une base de données plus réactive, plus facile à gérer pour les employés et donc plus économique en ressources. Selon les chercheurs, cette capacité à "poser les bonnes questions aux bonnes personnes" pourrait être utile notamment, à des sites utilisant la recommandation (ventes en lignes, agences de voyage, services vidéo comme Netflix). Les scientifiques espèrent également le rendre exploitable pour des sites comme Wikipedia afin de repérer à quel contributeur faire confiance et mettre en évidence ceux susceptibles de commettre des erreurs comme dans cette étude de l'institut polytechnique de Renssealer.

Mentions légales © L’Atelier BNP Paribas