MétaCan
Menu
Retour à la cohorte
Enregistrement W4224252795 · doi:10.3390/ani12091068

How Can We Do Citizen Science Better? A Case Study Evaluating Grizzly Bear Citizen Science Using Principles of Good Practice in Alberta, Canada

2022· article· en· W4224252795 sur OpenAlexaffabout
Courtney Hughes, Krista Tremblett, Justine A. Kummer, Tracy S. Lee, Danah Duke

Notice bibliographique

RevueAnimals · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensMount Royal UniversityGovernment of Alberta
Organismes subventionnairesnon disponible
Mots-clésCitizen sciencePublic relationsCLARITYSkepticismPolitical scienceGovernment (linguistics)Public engagementPublic participationScience communicationScience education

Résumé

récupéré en direct d'OpenAlex

Citizen science offers an excellent opportunity to engage the public in scientific data collection, educational opportunities, and applied management. However, the practicalities of developing and implementing citizen science programming are often more complex than considered. Some challenges to effective citizen science include scientists' skepticism about the ability of public participants to rigorously collect quality data; a lack of clarity on or confidence in the utility of data; scientists' hesitancy in engaging the public in projects; limited financial commitments; and challenges associated with the temporal and geographic scales of projects. To address these challenges, and provide a foundation upon which practitioners, scientists, and the public can credibly engage in citizen science, the Government of Alberta developed a set of citizen science principles. These principles offer a framework for planning, designing, implementing, and evaluating citizen science projects that extend beyond Alberta. Here, we present a case study using these principles to evaluate GrizzTracker, a citizen science program developed to help inform provincial species-at-risk recovery efforts. While we found that GrizzTracker applied each of the six principles in some way, including successful public engagement, strengthened relationships, and raising public awareness about northwest Alberta's grizzly bears, we also identified a number of challenges. These included ongoing skepticism from the traditional scientific community about the utility of citizen science and governance challenges related to program leadership, staff capacity, and funding. By using the principles as a guideline, we provide policy recommendations for future citizen science efforts, including considerations for program design, implementation, and evaluation.

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

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,642
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,064
Tête enseignante GPT0,318
Écart entre enseignants0,254 · 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

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207