Data quality remains consistent between volunteer scientific background, training and experience levels, while single-use pollution detectability varies in trash free trails citizen science surveys

Resumen Técnico: Calidad de los Datos en las Encuestas de Ciencia Ciudadana de Trash Free Trails

Planteamiento del Problema
La contaminación por plásticos de un solo uso (SUP, por sus siglas en inglés) es un problema global ubicuo con consecuencias ambientales inciertas, particularmente en hábitats terrestres donde los datos son significativamente más escasos que en los entornos marinos. Si bien los programas de ciencia ciudadana, como la organización no gubernamental Trash Free Trails (TFT), se utilizan cada vez más para generar conjuntos de datos a gran escala sobre la abundancia y composición de los SUP para informar la política en el Reino Unido, la robustez de estos datos es frecuentemente cuestionada. Persiste el escepticismo respecto a la exactitud y precisión de los datos recopilados por voluntarios, específicamente en relación con cómo variables como la experiencia del voluntario, la formación científica y los niveles de capacitación influyen en los resultados de las encuestas. Además, existe una falta de comprensión sobre los posibles sesgos de detectabilidad entre diferentes tipos de artículos de SUP (por ejemplo, envoltorios llamativos frente a colillas de cigarrillos crípticas), lo que puede conducir a errores sistemáticos en los grandes conjuntos de datos.

Metodología
El estudio evaluó la calidad de los datos de los recursos de encuesta de TFT a través de tres actividades de encuesta simuladas realizadas en un entorno forestal en Anglesey, Reino Unido, durante las horas del día. Se reclutaron veinte voluntarios y se estratificaron en cuatro grupos distintos (n=5 por grupo) basados en su experiencia, formación científica y capacitación:

1. Grupo 1: Sin experiencia en encuestas, sin formación científica.
2. Grupo 2: Sin experiencia en encuestas, pero con formación científica.
3. Grupo 3: Sin experiencia en encuestas, con formación científica y haber completado videos de capacitación en línea.
4. Grupo 4: Voluntarios con capacitación presencial previa y al menos dos experiencias previas en encuestas de TFT.

Las actividades fueron diseñadas para probar hipótesis específicas sobre la exactitud, precisión, detección y categorización de la encuesta:

• Actividad 1 (Exactitud y Precisión de la Encuesta): Los voluntarios encuestaron un transecto de 250 m sembrado con 63 artículos de SUP. La exactitud se calculó como la proporción de artículos correctamente categorizados encontrados, mientras que la precisión midió la proporción de artículos correctamente identificados del total de artículos reportados (teniendo en cuenta las inclusiones falsas).
• Actividad 2 (Exactitud de Detección y Visibilidad): Los voluntarios fotografiaron artículos de SUP en un transecto de 100 m sembrado con 54 artículos, incluyendo algunos artículos ligeramente "ocultos" o crípticos, para evaluar las tasas de detección entre diferentes tipos de artículos.
• Actividad 3 (Exactitud de Categorización): Los voluntarios categorizaron 31 artículos numerados, algunos de los cuales eran ambiguos (por ejemplo, cubiertos de madera no nombrados explícitamente en las categorías), para probar la consistencia de la clasificación.

Los análisis estadísticos incluyeron ANOSIM (Análisis de Similitud) para comparar las composiciones de los grupos, pruebas de suma de rangos de Friedman con correcciones de post-hoc de Wilcoxon para datos de detección no distribuidos normalmente, ANOVA de una vía para la exactitud de la categorización, y modelos mixtos generalizados lineales (GLMM) binomiales para evaluar la dificultad de categorización específica de cada artículo.

Resultados Clave

• Consistencia de los Voluntarios: No hubo diferencias significativas en la exactitud de la encuesta, la precisión o las tasas de detección de SUP entre los cuatro grupos de voluntarios. El nivel de experiencia, la formación científica y la realización de la capacitación en línea no alteraron significamente la calidad de los datos recolectados. La exactitud media osciló entre el 54.33% y el 62.33%, y la precisión entre el 85.75% y el 92.69% en todos los grupos.
• Categorización: Al igual la detección, no hubo una diferencia significativa en la exactitud de la categorización entre los grupos de experiencia. Sin embargo, la exactitud general de la categorización fue relativamente baja (aprox. 35–70%), lo que sugiere que la propia hoja de encuesta, más que la habilidad del voluntario, puede ser un factor limitante.
• Detectabilidad de los Artículos: Se encontraron diferencias significativas en la facilidad de detección de diferentes tipos de SUP. Los artículos crípticos como cigarrillos, cigarrillos de liar (RYO), bridas y envoltorios de filtros de cigarrillos fueron significativamente más difíciles de detectar que los artículos llamativos como botellas de plástico, latas brillantes y bolsas de excrementos de perro.
• Dificultad de Categorización: La dificultad de categorizar los artículos varió significamente según el tipo de artículo. Artículos como vasos de plástico y etiquetas de tela se categorizaron con alta exactitud, mientras que artículos ambiguos como asas de bolsas, cinta negra y cucharas de madera desechables fueron frecuentemente clasificados erróneamente.

Significancia y Reivindicaciones
El artículo sostiene que los datos recopilados por los voluntarios de TFT proporcionan resultados homogéneos y comparables independientemente del nivel de experiencia, la formación científica o el estado de capacitación del voluntario. Este hallazgo respalda la validez del uso de datos de ciencia ciudadana a gran escala para informar políticas, ya que el "ruido" introducido por las variaciones en las habilidades del operador parece ser mínimo en este contexto.

Sin embargo, los autores señalan modestamente que, si bien la experiencia no impulsa el error, la exactitud de la categorización sigue siendo una fuente de variabilidad que podría mejorarse mediante mejores recursos de capacitación y el diseño de las hojas de encuesta. Además, el estudio destaca una limitación metodológica crítica: existen sesgos significativos en la detectabilidad de diferentes artículos de SUP. Los datos sugieren que las encuestas actuales pueden sobrerrepresentar los artículos llamativos (como botellas y latas) y subrepresentar los artículos crípticos (como las colillas de cigarrillos), lo que podría sesgar la percepción de la composición de la contaminación en los entornos terrestres. Los autores concluyen que estos sesgos de visibilidad representan una línea principal de investigación futura en lugar de un fallo en el desempeño de los voluntarios.