Patterns of community science data use in peer-reviewed research on biodiversity
Notice bibliographique
Résumé
Abstract Community science (“citizen science”) represent a potentially abundant and inexpensive source of information for biodiversity research. However, analyzing such data has inherent challenges. To explore where and how community science data are translated into scientific knowledge, we conducted a literature review in a sample of 334 peer-reviewed scientific articles. Specifically, we investigated how the use of community science data varied among taxonomic groups and geographic regions, and what threats to biodiversity, if any, were examined. Community science data were used mostly for research on birds and invertebrates, and the data used were mainly from the United States and the United Kingdom. Literature in certain countries used a wider breadth of projects, while others made repeated use of comparably fewer datasets. Community science efforts were largely used to measure abundance, trends, distributions, and range shifts. However, few articles linked these metrics to any particular threats to biodiversity. Furthermore, community science data were used infrequently for research on threatened species and limited mostly to count data rather than collecting more specific information such as life history, phenological or genetic data, suggesting that community science may be underutilized for these key aspects of biodiversity conservation. We conclude that even with the rise of community science data use in research, there remains tremendous potential to better use these existing datasets for biodiversity research.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,169 | 0,523 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,072 | 0,071 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».