Applicazioni di statistica bayesiana all'analisi dei dati di applicazioni software di crowdsourcing

The thesis project represents an application of crowdsourcing, defined as a production and problems' resolution process, based on a collective development of a project where many people are involved outside the entity that has idealized the project. The goal of an experiment in crowdsourcing and our evaluation of results is to be able to describe objects with sets of categories provided by the experiment, evaluate the probability of occurrence of these categories and the degree of experience of the experts according to their agreement with the rest of the evaluation group. We want to create an evaluative framework that is valid in general for any category, any experts' group, valued objects and for multiple experiments in crowdsourcing. To take the data we asked a group of people, experts, to vote the categories of interest into subareas (cells) of a specific topographical map. To test these data we used a Bayesian approach and we implemented in R an iterative algorithm. In particular, we applied Bayes' theorem to infer the posterior distributions using the theoretical prior distributions and conditional distributions derived from the data. In the thesis we show the algorithm's convergence in a few iterations.

Il progetto di tesi rappresenta un'applicazione del crowdsourcing, definito come un processo di produzione e risoluzione dei problemi e basato su uno sviluppo collettivo di un progetto da parte di numerose persone esterne all'entità che ha idealizzato il progetto stesso. L'obiettivo di un esperimento di crowdsourcing e della nostra valutazione dei risultati è essere in grado di descrivere degli oggetti con insiemi di categorie fornite dall'esperimento, valutare le probabilità di comparsa di tali categorie e il grado di esperienza degli esperti in base al loro accordo con il resto del comitato di valutazione. Inoltre, si vuole creare un contesto valutativo che sia valido in generale: per qualunque categoria, comitato di esperti, oggetti valutati e per molteplici esperimenti di crowdsourcing. Per ottenere i dati in esame si è chiesto a un gruppo di persone, detti esperti, di votare delle categorie di interesse in determinate sottozone (celle) di una specifica mappa topografica. Per esaminare tali dati si è utilizzato un approccio di tipo bayesiano e implementato in R un algoritmo iterativo. In particolare, è stato applicato il teorema di Bayes per inferire le distribuzioni a posteriori utilizzando le distribuzioni prior teoriche e le distribuzioni condizionate ottenute dai dati. Nella tesi si verifica che l'algoritmo converge in poche iterazioni.