Community science participants gain environmental awareness and contribute high quality data but improvements are needed: insights from Bumble Bee Watch
Notice bibliographique
Résumé
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.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».