社区促进了海量信息的聚集和传播，已经形成固定认知的、忙碌的成年人很难快速理解这些信息和社区的norm，此时直接进入社区会产生很多偏见认知，而偏见认知会为社区带来更多的误解，这种误解妨碍了社区的文明和谐，又为新人添加了更多得困惑，最终形成了恶性循环。可以看出在这样的认知形成过程中，是以社区和社区的既有使用者为中心，由他们提供了大量的、无目的的、甚至有误导性的任务与目标，新人选择性地理解和完成，并不能得到真实的反馈和交互，因此导致了社区最终陷入恶性循环。（例如学术社区，带有个人偏见）

我们提出一种新的进入社区的方式，加入了以新人为中心的社区加入者与使用者的交互阶段，在新人认知的基础上逐步让新人编码对社区的理解。具体流程是：

1. 新人按照自己的认知发布任务（例如指定定义召回、标注等）
2. 社区使用者按照新人任务中的标准（这里需要通过一致性检验来确保大家对新人定义的理解）在正常使用社区的同时，完成任务。
3. 在进行一段时间后新人查看任务完成结果是否符合自己最初的认知。
   1. 如果符合，可以发布新的任务。
   2. 如果不符合，可以选择放弃加入社区或者修正个人认知重新定义标准复盘任务，转2.

我们对所提出的流程进行了为期6个月的实践与观察，选取一个简单的任务：帮助微博新人理解微博语言现状。首先，新人以他的认知定义了A特征语言和B特征语言，并发布关于语言分类的标注任务；之后，微博社区的使用者为其提供了一定数量的标注数据；最后，他通过观察标注数据，意识到微博中的语言情况并非自己的认知，并更改A、B特征的定义发起复盘，进而形成了更精确的认知。

这个过程本质上是扎根理论的衍生物，通过不断实践来修正编码。而我们在此基础上利用众包技术对大数据的采样过滤，加快了该理论的实施过程，降低了真实环境和定义人的干扰，同时也大大减轻了定义人的工作量。