ORES：以参与式机器学习降低维基百科中的参与壁垒

算法系统——从基于规则的机器人到机器学习分类器——在支持同行生产项目中内容审核及其他策展工作这一要务上有着悠久历史。从反破坏到任务路由，基础机器预测已使维基百科等开放知识项目扩展到全球最大百科全书，同时保持质量与一致性。然而，关于质量控制应如何运作以及算法应扮演何种角色的探讨，通常由具备开发与修改这些复杂算法系统技能与资源的专业工程师主导。本文中，我们介绍 ORES：一种算法评分服务，支持使用在不同数据集上训练的多独立分类器对维基编辑进行实时评分。ORES 解耦了通常由工程师一并完成的若干活动：选择或策展训练数据、构建提供预测的模型、审计预测，以及开发基于这些预测采取行动的交互界面或自动化代理。该元算法系统旨在将维基百科中关于算法的社会技术对话向更广泛的参与者开放。本文中，我们讨论 ORES 所促成的社会变革理论机制，并详述其部署五年来围绕 ORES 的参与式机器学习案例研究。