Data
Evenwicht tussen Open Data en Privacy
Datamanagement is het verzamelen, beheren, verwerken en ontsluiten van gegevens. Hierbij moet je rekening houden met (a) je technische mogelijkheden, (b) de privacy- en ethische restricties en (c) het doel van jouw project waarvoor je de data verzamelt.
Citizen science is hierin complexer dan gebruikelijk wetenschappelijk onderzoek, door de schijnbare tegenstrijdigheid tussen de privacy en het streven naar een 'Open Data'-structuur. Hierin bestaat geen ‘one size fits all'-systeem. Iedere initiatiefnemer van een citizen science project moet zorgvuldig de balans tussen deze twee aspecten bepalen. Scivil biedt hierbij ondersteuning, en buigt zich over datagerelateerde topics via de werkgroep Datamanagement. Voor meer informatie hierover kan je terecht bij info@scivil.be.
Interoperabiliteit
Met interoperabiliteit van data bedoelen we de mogelijkheid om verschillende databronnen (bv. van andere projecten) met elkaar te combineren. Het gebruik van (meta-)datastandaarden bevordert de interoperabiliteit van databanken. Zo zorg je ervoor dat de data van jouw project ook gebruikt kunnen worden om andere onderzoeksvragen te beantwoorden dan enkel deze waarvoor de databank aanvankelijk werd aangelegd.
Datastandaarden voor zowel gegevens als (project-)metadata zijn binnen citizen science tot op heden nog niet vastgelegd. Internationaal werkt de werkgroep Data & Metadata van de Citizen Science Association aan de uitbouw van standaarden voor metadata, vertrekkende van de PPSR_Core. Ook in Europa werkt men aan (meta-)datastandaarden voor citizen science; binnen de COST-actie CA15212 bouwt men aan dezelfde doelen als de Citizen Science Association. De voortgang hiervan wordt regelmatig gerapporteerd.
Tip: Ook al zijn de datastandaarden voor projecten en gegevens nog een ‘work in progress’, informeer je toch voor de start van je project naar de laatste ontwikkelingen. Check de bovengenoemde websites, en probeer reeds de gedeelde suggesties te volgen.
Tip: Indien het binnen het budget en de scope van je project niet haalbaar is om bovenstaande tip te volgen, probeer dan bij de opzet van je project voor een datastructuur te kiezen die maximaal aansluit bij veelgebruikte citizen science dataplatformen, bij voorkeur platformen die ook gelinkt kunnen worden aan wetenschappelijke of beleidsgerichte databanken. Zo is er bijvoorbeeld het biologieplatform GBIF, waartoe verschillende citizen science initiatieven onrechtstreeks bijdragen via deelplatformen als eBird, Natusfera of DigiVol.
Er zijn verschillende Europese platformen actief. Klik hier voor een overzicht van de grootste/meest gebruikte platformen op nationaal of Europees niveau.
Datakwaliteit
De kwaliteit van de bekomen data blijft in elk citizen science project een goed te bewaken punt. Uit sommige studies blijkt dat de resultaten verzameld door burgers meer variabel zijn dan die verzameld door professionele wetenschappers, andere studies meten dan weer een gelijke datakwaliteit bij beide groepen. De kwaliteit bewaken moet hoe dan ook een hoofddoel binnen het project zijn.
Tip: De accuraatheid van je data verhogen kan je doen door (a) bij de start van je project referentiedata te verzamelen, (b) deelnemers over een langere tijd te laten deelnemen in bv. monitoringstudies, (c) de deelnemers vooraf een grondige training aan te bieden en deze training ook te testen, (d) het aantal deelnemers en datapunten te vergroten, en (e) meer informatie te bekomen over het profiel van de deelnemers zelf, zodat je het protocol kan afstemmen op de kunde van de groep burgers die je bij je onderzoek wil betrekken.
Tip: Weinig studies maken een kwantitatieve vergelijking tussen data vergaard door/met burgers, en data vergaard door wetenschappers. Indien het project het toelaat, is het aan te raden toch voorafgaand een steekproef of klein testproject te laten lopen als wijze van ‘groundtruthing’ en dus testen van de kwaliteit van het vooropgestelde protocol. Dit verhoogt ook de kans dat publicaties die resulteren uit het project zullen geciteerd worden, aangezien het aantal studies over de kwaliteit van citizen science data momenteel nog schaars is, en bovendien ook sterk verschilt van onderzoekstak tot onderzoekstak. Voorts is ook gebleken dat kwalitatieve inschattingen van datakwaliteit vaak meer optimistische resultaten opleveren dan kwantitatief gemeten controles.
MEER LEZEN
Aceves-Bueno E, Adeleye AS, Feraud M, Huang Y, Tao M, Yang Y, Anderson SE. 2017: The accuracy of citizen science data: a quantitative review. Bulletin of the Ecological Society of America, 98 (4), 278-289. [online]
COST Action 15212, 2019. Minutes of WG5 workshop in Enschede: "On citizen-science ontology, standards and data", Enschede, March 21-22; 22pp. [online]
Kosmala MA, Wiggins A, Swanson A, Simmons B. 2016. Assessing data quality in citizen science. Frontiers in Ecology and the Environment, 14, 551-560. [preprint online]
Wiggins A, Bonney R, Graham E, Henderson S, Kelling S, LeBuhn G, et al. 2013: Data management guide for public participation in scientific research. DataOne Working Group, 1-41. [online]