Wie sich Verzerrungen in Karten zeigen, die mit Citizen-Science-Daten erstellt wurden

Als die Biologin Elizabeth Carlen in ihrem 2007er Subaru vorfuhr, um sich zum ersten Mal in St. Louis umzusehen, war sie bereits auf der Suche nach Eichhörnchen. Als Neuankömmling aus New York City angekommen, hatte Carlen in einer digitalen Anwendung namens iNaturalist durch Karten und Listen der jüngsten Sichtungen gescrollt. Diese App ist ein beliebtes Tool zum Melden und Teilen von Sichtungen von Tieren und Pflanzen.

Menschen beginnen häufig mit der Nutzung von Apps wie iNaturalist und eBird, wenn sie sich für ein beitragendes Wissenschaftsprojekt (manchmal auch Bürgerwissenschaftsprojekt genannt) interessieren. Ausgestattet mit Mobiltelefonen, die mit Kameras und GPS ausgestattet sind, können Freiwillige mit Apps geolokalisierte Daten übermitteln, die iNaturalist dann in benutzerfreundliche Karten übersetzt. Insgesamt haben diese Beobachtungen Wissenschaftlern und Gemeindemitgliedern einen besseren Einblick in die Artenvielfalt ihrer lokalen Umwelt verschafft und Wissenschaftlern dabei geholfen, Trends in Bezug auf Klimawandel, Anpassung und Artenverteilung zu verstehen.

Aber Carlen hatte sofort Probleme mit den iNaturalist-Daten in St. Louis.

„Der App zufolge wurden östliche Grauhörnchen hauptsächlich im südlichen Teil der Stadt gesichtet“, sagte Carlen, Postdoktorand am Living Earth Collaborative an der Washington University in St. Louis. „Das kam mir seltsam vor, vor allem, weil die Bäume bzw. die Baumkronen in der ganzen Stadt ziemlich gleichmäßig verteilt waren.

„Ich habe mich gefragt, was los ist. Gab es im nördlichen Teil der Stadt wirklich keine Eichhörnchen?“ Sagte Carlen. Eine flüchtige Fahrt durch ein paar Parks und Seitengassen nördlich des Delmar Boulevards sagte ihr etwas anderes: Eichhörnchen in Hülle und Fülle.

Carlen bat X, ehemals Twitter, um Rat. „Im nördlichen Teil der Stadt gibt es viele Eichhörnchen, aber es gibt keine aufgezeichneten Beobachtungen“, sinnierte sie. Carlen fragte, ob andere in ihrem eigenen Hinterhof ähnliche Probleme mit iNaturalist-Daten gehabt hätten.

Viele Menschen antworteten, äußerten ihre Bedenken und bestätigten Carlens Erfahrung. Die Karten auf iNaturalist schienen klar zu sein, spiegelten jedoch nicht die tatsächliche Verteilung der Eichhörnchen in St. Louis wider. Stattdessen betrachtete Carlen verzerrte Daten.

Frühere Untersuchungen haben Verzerrungen in den an beitragende Wissenschaftsplattformen gemeldeten Daten aufgezeigt, es gibt jedoch kaum Arbeiten, die darlegen, wie diese Verzerrungen entstehen.

Carlen wandte sich an die Wissenschaftler, die auf ihren Twitter-Beitrag geantwortet hatten, um ein paar Ideen zu sammeln. Sie haben einen Rahmen zusammengestellt, der veranschaulicht, wie soziale und ökologische Faktoren zusammenwirken und zu Verzerrungen in den beitragenden Daten führen. In einem neuen Papier veröffentlicht In Mensch und NaturCarlen und ihre Co-Autoren teilten diesen Rahmen und gaben einige Empfehlungen zur Lösung der Probleme.

Die Wissenschaftler beschrieben vier Arten von „Filtern“, die den gemeldeten Artenpool in beitragenden wissenschaftlichen Projekten beeinflussen können:

  • Teilnahmefilter. Die Teilnahme spiegelt wider, wer die Daten meldet, einschließlich des Aufenthaltsortes dieser Personen und der Bereiche, zu denen sie Zugang haben. Dieser Filter kann auch widerspiegeln, ob Einzelpersonen in einer Gemeinschaft sich der Bemühungen bewusst sind, Daten zu sammeln, oder ob sie über die Mittel und die Motivation verfügen, Daten zu sammeln.
  • Erkennbarkeitsfilter. Die Biologie und das Verhalten eines Tieres können Einfluss darauf haben, ob Menschen es aufzeichnen. Beispielsweise ist es weniger wahrscheinlich, dass Menschen Sichtungen von Eulen oder anderen nachtaktiven Arten melden.
  • Probenahmefilter. Menschen sind möglicherweise eher bereit, Tiere zu melden, die sie sehen, wenn sie sich erholen (z. B. wenn sie in einem Park herumhängen), nicht aber, was sie beim Pendeln sehen.
  • Präferenzfilter. Menschen neigen dazu, Schädlinge, lästige Arten und uncharismatische oder „langweilige“ Arten zu ignorieren oder herauszufiltern. („Es gibt nicht viele Leute, die Ratten fotografieren und sie auf iNaturalist veröffentlichen – oder auch Tauben“, sagte Carlen.)
  • In der Arbeit wandten Carlen und ihr Team ihr Framework als Fallstudie auf Daten an, die in St. Louis aufgezeichnet wurden. Sie zeigten, dass sich die Beobachtungen von eBird und iNaturalist auf den südlichen Teil der Stadt konzentrieren, wo mehr Weiße leben. Die ungleiche Beteiligung an St. Louis sei wahrscheinlich eine Folge von Variablen wie Rasse, Einkommen und/oder zeitgenössischer Politik, die zwischen nördlichen und südlichen Teilen der Stadt unterschiedlich seien, schrieben die Autoren. Die anderen Filter der Erkennbarkeit, Probenahme und Präferenz beeinflussen wahrscheinlich auch die Artenberichterstattung in St. Louis.

    Verzerrte und nicht repräsentative Daten seien nicht nur für Stadtökologen ein Problem, auch wenn sie diejenigen seien, die es am wahrscheinlichsten bemerken würden, sagte Carlen. Stadtplaner, Umweltberater und örtliche gemeinnützige Organisationen nutzen bei ihrer Arbeit manchmal beitragende wissenschaftliche Daten.

    „Wir müssen uns sehr bewusst sein, wie wir diese Daten nutzen und wie wir interpretieren, wo sich Tiere befinden“, sagte Carlen.

    Carlen gab mehrere Empfehlungen für Forscher und Institutionen, die ihre Bemühungen in der beitragenden Wissenschaft verbessern und dazu beitragen möchten, Voreingenommenheit zu reduzieren. Zu den grundlegenden Schritten gehören die Berücksichtigung der kulturellen Relevanz bei der Gestaltung eines Projekts, die Durchführung einer proaktiven Kontaktaufnahme mit verschiedenen Interessengruppen und die Übersetzung von Projektmaterialien in mehrere Sprachen.

    Daten und Schlussfolgerungen aus Beitragsprojekten sollten öffentlich zugänglich gemacht, in zugänglichen Formaten kommuniziert und für Teilnehmer und Community-Mitglieder relevant gemacht werden.

    „Es ist wichtig, dass wir mit den Gemeinden zusammenarbeiten, um ihre Bedürfnisse zu verstehen – und dann eine bessere Partnerschaft aufzubauen“, sagte Carlen. „Wir können den Bewohnern nicht einfach die App zeigen und ihnen sagen, dass sie sie nutzen müssen, denn das ignoriert das zugrunde liegende Problem, dass unsere Gesellschaft immer noch segregiert ist und nicht jeder über die Ressourcen verfügt, sich zu beteiligen.“

    „Wir müssen Beziehungen zur Gemeinde aufbauen und verstehen, was sie über die Tierwelt in ihrer Nachbarschaft wissen wollen“, sagte Carlen. „Dann können wir Projekte entwerfen, die sich mit diesen Fragen befassen, Ressourcen bereitstellen und Community-Mitglieder aktiv dazu befähigen, zur Datenerfassung beizutragen.“

    Mehr Informationen:
    Elizabeth J. Carlen et al., Ein Rahmen zur Kontextualisierung sozialökologischer Vorurteile in beitragenden wissenschaftlichen Daten, Mensch und Natur (2024). DOI: 10.1002/pan3.10592

    Zur Verfügung gestellt von der Washington University in St. Louis

    ph-tech