MétaCan
Menu
Retour à la cohorte
Enregistrement W3024811926 · doi:10.7717/peerj.9141

Community science participants gain environmental awareness and contribute high quality data but improvements are needed: insights from Bumble Bee Watch

2020· article· en· W3024811926 sur OpenAlexafffundabout
Victoria J. MacPhail, Shelby D. Gibson, Sheila R. Colla

Notice bibliographique

RevuePeerJ · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueAnimal and Plant Science Education
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaW. Garfield Weston Foundation
Mots-clésCitizen scienceDemographicsData collectionDiversity (politics)Quality (philosophy)WorryIdentification (biology)PsychologyMedical educationGeographyData scienceComputer scienceEcologyPolitical scienceBiologySociologyMedicine

Résumé

récupéré en direct d'OpenAlex

Bumble Bee Watch is a community science program where participants submit photos of bumble bees from across Canada and the United States for expert verification. The data can be used to help better understand bumble bee biology and aid in their conservation. Yet for community science programs like this to be successful and sustainable, it is important to understand the participant demographics, what motivates them, and the outcomes of their participation, as well as areas that are working well or could be improved. It is also important to understand who verifies the submissions, who uses the data and their views on the program. Of the surveyed users, most participate to contribute to scientific data collection (88%), because of a worry about bees and a desire to help save them (80%), to learn more about species in their property (63%) or region (56%), and because of a personal interest (59%). About 77% report increased awareness of species diversity, while 84% report improvement in their identification skills. We found that 81% had at least one college or university degree. There were more respondents from suburban and rural areas than urban areas, but area did not affect numbers of submissions. While half were between 45 and 64 years of age, age did not influence motivation or number of submissions. Respondents were happy with the program, particularly the website resources, the contribution to knowledge and conservation efforts, the educational values, and the ability to get identifications. Areas for improvement included app and website functionality, faster and more detailed feedback, localized resources, and more communication. Most respondents participate rarely and have submitted fewer than ten records, although about five percent are super users who participate often and submit more than fifty records. Suggested improvements to the program may increase this participation rate. Indeed, increased recruitment and retention of users in general is important, and advertising should promote the outcomes of participation. Fifteen experts responded to a separate survey and were favorable of the program although there were suggestions on how to improve the verification process and the quality of the submitted data. Suggested research questions that could be asked or answered from the data included filling knowledge gaps (species diversity, ranges, habitat, phenology, floral associations, etc.), supporting species status assessments, effecting policy and legislation, encouraging habitat restoration and management efforts, and guiding further research. However, only about half have used data from the project to date. Further promotion of Bumble Bee Watch and community science programs in general should occur amongst academia, conservationists, policy makers, and the general public. This would help to increase the number and scope of submissions, knowledge of these species, interest in conserving them, and the overall program impact.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarecherche
Domaine: Méthodes · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,307
Score d'incertitude au seuil0,971

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,202
Tête enseignante GPT0,382
Écart entre enseignants0,181 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Métarecherche

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePeerJMême sujetAnimal and Plant Science EducationCatégorieMétarechercheTravaux en français237 207