Data - Scivil

Homepagina
minskyString.search.closeLabel
minskyString.search.triggerLabel
Menu Sluit menu

Data

volg ons

Data

Datacharter voor citizen science

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 citizenscience-project moet zorgvuldig de balans tussen deze twee aspecten bepalen.

Scivil ontwikkelde en 'Datacharter voor citizen science' met bijhorende leidraad. Het Datacharter voor Citizen Science omvat een reeks aanbevelingen voor een correcte omgang met data bij citizen-scienceprojecten. De leidraad biedt ondersteuning bij de concrete uitwerking van de aanbevelingen. Beide documenten zijn te downloaden op deze pagina. 

Charter en leidraad voor data in citizen science.
Lees het charter

Datakwaliteit

De kwaliteit van de bekomen data blijft in elk citizenscience-project een goed te bewaken punt. 

Mogelijke valkuilen voor de datakwaliteit:

  • Motivatie: mensen meten niet overal waar nodig. Er wordt vooral gemeten op leuke of makkelijk bereikbare plaatsen.
  • Kennis: mensen meten fout. Ze beschikken over onvoldoende kennis over de juiste manier van meten.
  • Interpretatie: mensen meten of interpreteren anders. Er is een verschil tussen persoonlijke interpretatie en objectieve observaties.
  • Ervaring: mensen kennen of herkennen bepaalde soorten niet of rapporteren enkel zeldzame soorten

Mogelijke acties om de datakwaliteit te verhogen:

  • Voorbereiding: verzamel bij de start van je project referentiedata
  • Voorbereiding: doe één of meerdere trials van je meetopzet met een kleine groep vrijwilligers voordat je het project grootschalig uitrolt
  • Voorbereiding: win vooraf informatie in over het profiel van je (beoogde) deelnemers en stem het protocol af op hun ervaring en kunnen
  • Protocol: voorzie een sterk gestandaardiseerd en gesystematiseerd meetprotocol dat is opgezet om zo weinig mogelijk fouten toe te laten
  • Protocol: voorzie opleiding voor alle deelnemers over hoe correct te meten en test deze opleiding vooraf uit op een kleinere groep
  • Protocol: gebruik review door professionals of vrijwilligers met een doorgedreven kennis en ervaring
  • Aantallen: (non-) random duplicatie
  • Aantallen: zorg voor een steekproefomvang die groot genoeg is om fouten te kunnen corrigeren

Meer informatie over datakwaliteit vind je in deze presentatie. 

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 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 citizenscience-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.

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. Meer informatie over (meta-)datastandaarden vind je in het Datacharter voor citizen science. 

Tip:  Informeer je voor de start van je project naar bestaande (meta-)datastandaarden gerelateerd aan jouw project. 

Tip:  Kies bij de opzet van je project voor een datastructuur die maximaal aansluit bij veelgebruikte citizenscience-dataplatformen en voor platformen die  gelinkt kunnen worden aan wetenschappelijke of beleidsgerichte databanken. Zo is er bijvoorbeeld het biologieplatform GBIF, waartoe verschillende citizenscience-initiatieven onrechtstreeks bijdragen via deelplatformen als eBird, Natusfera of DigiVol. 

Tip:  Neem een kijkje opvolgende websites voor tips rond sensoren: 

  • Op Smart Flanders vind je het Beste Koop-model voor sensoren voor burgerwetenschap. 
  • Op de VLOCA-kennishub (Vlaamse Open City Architectuur) vind je allerlei draaiboeken rond sensoren en slimme technologie in de stad. 

Er zijn verschillende Europese platformen actief. Klik hier voor een overzicht van de grootste/meest gebruikte platformen op nationaal of Europees niveau. 

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]

Brenton, P. 2020: Approach to addressing Data Quality and Quality Assurance Processes. PPSR Core. [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]

Sterken, M., Capiau, R. ea., Datacharter voor Citizen Science: een basisset van principes ter ondersteuning van open en interoperabele citizen-sciencedata. Scivil, 2021. [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]

Niet de informatie gevonden die je zocht? Of ontbreekt er een belangrijke bron?
Mail ons!
page-square2--black Created with Sketch.
Warning: Trying to access array offset on value of type null in scivil_full_theme_suggestions_node_alter() (line 179 of themes/custom/scivil_full/scivil_full.theme). 
scivil_full_theme_suggestions_node_alter(Array, Array, 'node') (Line: 449)
Drupal\Core\Theme\ThemeManager->alterForTheme(Object, 'theme_suggestions', Array, Array, 'node') (Line: 458)
Drupal\Core\Theme\ThemeManager->alter(Array, Array, Array, 'node') (Line: 245)
Drupal\Core\Theme\ThemeManager->render('node', Array) (Line: 433)
Drupal\Core\Render\Renderer->doRender(Array, ) (Line: 204)
Drupal\Core\Render\Renderer->render(Array, ) (Line: 242)
Drupal\Core\Render\MainContent\HtmlRenderer->Drupal\Core\Render\MainContent\{closure}() (Line: 580)
Drupal\Core\Render\Renderer->executeInRenderContext(Object, Object) (Line: 243)
Drupal\Core\Render\MainContent\HtmlRenderer->prepare(Array, Object, Object) (Line: 132)
Drupal\Core\Render\MainContent\HtmlRenderer->renderResponse(Array, Object, Object) (Line: 90)
Drupal\Core\EventSubscriber\MainContentViewSubscriber->onViewRenderArray(Object, 'kernel.view', Object)
call_user_func(Array, Object, 'kernel.view', Object) (Line: 142)
Drupal\Component\EventDispatcher\ContainerAwareEventDispatcher->dispatch(Object, 'kernel.view') (Line: 174)
Symfony\Component\HttpKernel\HttpKernel->handleRaw(Object, 1) (Line: 81)
Symfony\Component\HttpKernel\HttpKernel->handle(Object, 1, 1) (Line: 58)
Drupal\Core\StackMiddleware\Session->handle(Object, 1, 1) (Line: 48)
Drupal\Core\StackMiddleware\KernelPreHandle->handle(Object, 1, 1) (Line: 191)
Drupal\page_cache\StackMiddleware\PageCache->fetch(Object, 1, 1) (Line: 128)
Drupal\page_cache\StackMiddleware\PageCache->lookup(Object, 1, 1) (Line: 82)
Drupal\page_cache\StackMiddleware\PageCache->handle(Object, 1, 1) (Line: 48)
Drupal\Core\StackMiddleware\ReverseProxyMiddleware->handle(Object, 1, 1) (Line: 51)
Drupal\Core\StackMiddleware\NegotiationMiddleware->handle(Object, 1, 1) (Line: 23)
Stack\StackedHttpKernel->handle(Object, 1, 1) (Line: 718)
Drupal\Core\DrupalKernel->handle(Object) (Line: 19)