Advantages and Drawbacks of Open-Ended, Use-Agnostic Citizen Science Data Collection: A Case Study
Notice bibliographique
Résumé
Citizen science projects that collect natural history observations often do not have an underlying research question in mind. Thus, data generated from such projects can be considered “use-agnostic.” Nevertheless, such projects can yield important insights about species distributions. Many of these projects use a class-based data schema, whereby contributors must supply a species identification. This can limit participation if contributors are not confident in their identifications, and can introduce data quality issues if species identification is incorrect. Some projects, such as iNaturalist, circumvent this with crowdsourced species identifications based on contributed photographs, or by grading confidence in the data based on attributes of the sighting and/or contributor. An alternative to a class-based data schema is an open-ended (instance-based) one, where contributors are free to identify their sighting at whatever taxonomic resolution they are most confident, and/or describe the sighting based on attributes. This can increase participation (data completeness) and have the benefit of adding additional (and sometimes unexpected) information. The regionally-focused citizen science website NLNature.com was designed to experimentally examine how class-based versus instance-based schema affected contributions and data quality. Here, we show that the instance-based schema yielded not only more contributions, but also several of ecological importance. Thus, allowing contributors to supply natural history information at a level familiar to them increases data completeness and facilitates unanticipated contributions.
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 | 0,106 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».