Burgerwetenschap

Citizen science of crowdsourcing

Nadat de wetenschap institutionaliseerde in de 19e eeuw ontstond er een scheiding tussen ‘de wetenschapper’ en ‘de burger’. De twee leefden in zeer gescheiden werelden en hadden weinig met elkaar te maken. Oorspronkelijk werd wetenschap echter juist door burgers beoefend: hoe zit dat met die maan en die zon? Kom, laat ik eens wat op een kleitablet noteren. De laatste tijd is er een tendens gaande om burgers wederom te laten participeren. Met de ontwikkelingen op digitaal gebied wordt het steeds makkelijker om actief mensen te betrekken bij onderzoek.

Tijdens het KNAW-symposium op 16 juni 2016 over citizen science werd de website Iedereen Wetenschapper gelanceerd en gesproken over (de voors en tegens van) citizen science. Een ander aandachtspunt, dat hieronder behandeld wordt, was het verschil tussen crowdsourcing en citizen science.

Crowdsourcing

Hoewel er nog geen eenduidige definitie is, wordt gesproken van crowdsourcing als groepen mensen vrijwillig een bijdrage leveren bij het uitvoeren van (wetenschappelijk) werk, [1] bijvoorbeeld voor het verzamelen van gegevens.

Voordat de term crowdsourcing werd gebruikt waren er al projecten waarbij onderzoekers door burgers werden geholpen bij het verzamelen van data. Bekend is, dat onderzoekers van  het Meertens instituut [2] op huisbezoek gingen, om gegevens te verzamelen over bijvoorbeeld dialecten.
Een andere vorm van crowdsourcing is mensen inschakelen om gegevens te analyseren. Een voorbeeld hiervan is het Milky Way Project [3] waarin objecten in de ruimte worden geanalyseerd aan de hand van gedetailleerde afbeeldingen.
In beide gevallen is de onderzoeker is verantwoordelijk voor een wetenschappelijke opzet en afhandeling.
Bij een crowdsourcing project voor wetenschappelijke doeleinden zijn protocollen en controles nodig en dat blijkt ook bij het project Ja, ik wil. Hier moesten oude ondertrouwakten via gestandaardiseerde invoervelden getranscribeerd worden, waarna de transcripties nog eens extra gecontroleerd werden.
De ontwikkelingen op digitaal gebied maken het steeds makkelijker om actief mensen te betrekken bij onderzoek. Dat zie je bij dit soort analyse-projecten, en bij de jaarlijkse griepmeting en tuinvogeltelling, waarbij data wordt geleverd.

Citizen science

Weer een andere vorm van crowdsourcing wordt citizen science genoemd.
Een voorstel tot een definitie is te vinden op http://iedereenwetenschapper.nl/article/wat-citizen-science.[4] Hierin wordt gesteld dat citizen science ‘een actieve en doordachte bijdrage is van het publiek aan wetenschappelijk onderzoek’.
Ook hier blijft de onderzoeker eindverantwoordelijk voor het onderzoeksproces en de verwerking van gegevens. Een voorbeeld van citizen science waarbij van deelnemers iets meer wordt verwacht dan alleen het aanleveren of verwerken van gegevens is eTeRNA (https://librarytrends.weblog.tudelft.nl/2016/03/29/citizen-science-closing-knowledge-gaps/).[5] Deelnemers aan dit spel om RNA moleculen te ontwerpen kunnen gezamenlijk aan wetenschappelijke artikelen werken.

Wat is het nou?

Citizen science is volgens de gevolgde redenering een specifieke vorm van crowdsourcing, dus het woordje of kan worden doorgestreept.

Of gaat het verder dan dat.
Het definitievoorstel voor de term citizen science lijkt door de praktijk te zijn ingehaald. Op de gelanceerde website Iedereen Wetenschapper wordt aan burgers een bijdrage gevraagd in de vorm van data-levering en data-analyse. De oorspronkelijke crowdsourcing versmelt hiermee tot citizen science.

De verwachting is dat steeds meer onderzoekers, ook aan de TU Delft, projecten zullen opzetten, waarbij de bijdrage van burgers wordt gevraagd.
De ervaringen met citizen science zoals op het symposium gedeeld, laten zien dat onderzoekers bij een eigen project goede ondersteuning kunnen gebruiken. De Library kan hier mogelijk een rol spelen. Naast opslag en beschikbaar maken van wetenschappelijke gegevens, wat al gebeurt via 3tudatacentrum, kan de Library voorlichting geven aan onderzoekers en deelnemers over citizen science projecten. Voor ondersteuning, educatie en het uitwisselen van ervaringen zou de Library, zowel digitaal als fysiek, diensten kunnen aanbieden.

[1] https://en.wikipedia.org/wiki/Crowdsourcing
[2] https://www.meertens.knaw.nl/cms/nl/
[3] http://www.iedereenwetenschapper.be/projects/kijken-naar-de-geboorte-van-sterren
[4] http://iedereenwetenschapper.nl/article/wat-citizen-science
[5] https://librarytrends.weblog.tudelft.nl/2016/03/29/citizen-science-closing-knowledge-gaps/

Citizen Science closing knowledge gaps

Washington Post tells us: “Three superplayers of an addictive online puzzle game have done something that Stanford University Medical School believes is unprecedented: They’ve become the first authors on a paper published in a peer-reviewed scientific journal based on their discoveries in playing the large-scale, online video game EteRNA.”

The Journal of Molecular Biology is a peer-reviewed scientific journal where authors with solid scientific reputation publish their works. The scientific article in question was published last month by the three “citizen scientists” authors, considered amateur scientists. How is this possible?

Who gets to publish scientific articles has to go through the regular channel of working with authorities in the scientific field and then becoming a scientific authority: it’s the thread of trust in the creation of knowledge. This is the traditional way to develop one’s own expertise and get recognised by the scientific community. However, this way changed over the last decades: new educational pathways grew inside the traditional academic environment via the MOOCs but also outside them via citizen science projects.

The MOOCs are educational models that approach a large audience, with a huge impact on the global education, where the knowledge, structured in various subjects is given away: it flows from universities to people.

In the citizen scientist project model, the knowledge flows the other way around. The universities need help, they have huge projects working with big data that ask for too much money and infrastructure or too many people, all in all too much for a university to handle by itself. They need help not only in the form of funding (level 1) and distributed computer processing power (level 2) but also through crowdsourcing human-processing power – fresh, non-biased input – to analyse complex problems, images or samples (level 3) [2]. So the universities created frameworks for people to learn and challenge them to help solve problems with great impact for the whole society.

Continue reading