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
यह अध्ययन प्रदर्शित करता है कि ट्रैश फ्री ट्रेल्स के नागरिक विज्ञान स्वयंसेवक अपने अनुभव, प्रशिक्षण या वैज्ञानिक पृष्ठभूमि के बावजूद सुसंगत और सटीक एकल-उपयोग प्रदूषण सर्वेक्षण डेटा का उत्पादन करते हैं, हालांकि वस्तु के प्रकार के आधार पर पता लगाने की क्षमता महत्वपूर्ण रूप से भिन्न होती है और प्रशिक्षण संसाधनों में संभावित सुधार वर्गीकरण सटीकता को और बढ़ा सकते हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि पृथ्वी एक विशाल, बिखरे हुए लिविंग रूम की तरह है जहाँ हम दशकों से टुकड़े, रैपर्स और टूटे हुए खिलौने गिराते आ रहे हैं। वैज्ञानिक इसे "सिंगल-यूज़ पॉल्यूशन" (SUP) कहते हैं—ऐसी चीजें जिनका हम एक बार उपयोग करते हैं और फिर फेंक देते हैं, जैसे प्लास्टिक की बोतलें, सिगरेट के टुकड़े और खाने के रैपर्स। हालांकि हम इस बारे में बहुत कुछ जानते हैं कि यह कचरा समुद्र में कैसे पहुँचता है, लेकिन ज़मीन वाला "लिविंग रूम" संस्करण (जंगल, पार्क और रास्ते) थोड़ा रहस्यमय है। हमारे पास पर्याप्त डेटा नहीं है कि हमें ठीक-ठीक पता हो कि वहाँ कितना कचरा है या वह किस चीज़ का बना है। इसे हल करने के लिए, वैज्ञानिक अक्सर "सिटिजन साइंटिस्ट्स" (नागरिक वैज्ञानिकों)—जैसे कि आप और मैं—को कचरा गिनने के लिए बाहर निकालते हैं। लेकिन यहाँ बड़ा सवाल यह है: क्या एक साधारण व्यक्ति बिना किसी विज्ञान की डिग्री के कचरा उतनी ही अच्छी तरह गिन सकता है जितना कि एक प्रशिक्षित विशेषज्ञ? यदि डेटा अव्यवस्थित या पक्षपाती है क्योंकि कुछ लोग चीजों को पहचानने में दूसरों से बेहतर हैं, तो पूरी योजना विफल हो जाएगी। यह वह पहेली है जिसे शोधकर्ता सुलझाने की कोशिश कर रहे हैं: क्या "भीड़" हमें सटीक उत्तर देने के लिए पर्याप्त समझदार है, या हमें यह काम करने के लिए पीएचडी विशेषज्ञों की एक टीम की आवश्यकता है?
यहाँ बैंगोर यूनिवर्सिटी के शोधकर्ताओं की एक टीम और 'ट्रैश फ्री ट्रेल्स' (TFT) संस्था ने इस विचार को परखने का फैसला किया। उन्होंने वेल्स के एक जंगल में एक विशाल, वास्तविक जीवन का "व्हेयर्स वाल्डो" (Where's Waldo) खेल आयोजित किया, लेकिन यहाँ स्ट्राइप्ड शर्ट खोजने के बजाय, स्वयंसेवकों को छिपा हुआ कचरा खोजना था। वे यह देखना चाहते थे कि क्या किसी स्वयंसेवक की पृष्ठभूमि—जैसे कि विज्ञान की डिग्री, अनुभव के वर्ष, या कोई ऑनलाइन प्रशिक्षण वीडियो देखना—उन्हें कचरा खोजने और उसे छाँटने में बेहतर बनाता है।
इसकी व्यवस्था बहुत चतुर थी। शोधकर्ताओं ने जंगल के रास्ते के 250 मीटर के हिस्से को साफ किया और फिर वहां गुप्त रूप से 63 कचरे के टुकड़े छिपा दिए, जिनमें स्पष्ट दिखने वाली प्लास्टिक की बोतलों से लेकर बहुत छोटे और मुश्किल से दिखने वाले सिगरेट के टुकड़ों तक शामिल थे। उन्होंने 20 स्वयंसेवकों को जुटाया और उन्हें चार समूहों में विभाजित किया: वे जिनके पास कोई अनुभव और विज्ञान की पृष्ठभूमि नहीं थी, वे जिनके पास विज्ञान की पृष्ठभूमि थी लेकिन अनुभव नहीं था, जिन्होंने प्रशिक्षण वीडियो देखे थे, और जो पहले से अनुभवी स्वयंसेवक थे। प्रत्येक व्यक्ति ने अकेले रास्ते पर चलकर कचरे को गिना और वर्गीकृत किया। उन्होंने एक दूसरा दौर भी किया जहाँ उन्हें उन वस्तुओं को पहचानना था जो थोड़े "छिपे" हुए थे या पृष्ठभूमि में मिल गए थे, और तीसरा कार्य जहाँ उन्हें ढेर सारे रहस्यमयी सामानों को सही श्रेणियों में छाँटना था।
परिणाम आश्चर्यजनक रूप रूप से सरल और आश्वस्त करने वाले थे। अध्ययन में पाया गया कि इससे कोई फर्क नहीं पड़ता था कि आप कौन हैं। चाहे आप बिल्कुल नए हों, विज्ञान के उस्ताद हों, वीडियो देखने वाले हों, या अनुभवी पेशेवर हों, सभी ने लगभग एक समान मात्रा में कचरा पाया और लगभग एक जैसी ही गलतियाँ कीं। "प्रशिक्षण" वीडियो लोगों को वस्तुओं को पहचानने में जादुously बेहतर नहीं बना पाए, और विज्ञान की डिग्री होने से भी आपको अधिक सटीक रूप से गिनने में मदद नहीं मिली। वास्तव में, डेटा बताता है कि स्वयंसेवकों ने सूचना का एक सुसंगत और विश्वसनीय प्रवाह प्रदान किया जो एक पेशेवर वैज्ञानिक द्वारा उत्पादित जानकारी के समान ही अच्छा था।
हालाँकि, अध्ययन में एक बड़ा "गॉटचा" (gotcha) भी मिला: कचरा खुद समान नहीं था। कुछ वस्तुएं नियॉन साइन की तरह थीं, जिन्हें मीलों दूर से आसानी से देखा जा सकता था (जैसे चमकीली प्लास्टिक की बोतलें और कैन), जबकि अन्य निंजा की तरह थीं, जो सामने होते हुए भी छिपी हुई थीं। सिगरेट के टुकड़े, केबल टाई और छोटे रैपर्स सभी के लिए ढूंढना बेहद कठिन था, चाहे उनका कौशल स्तर कुछ भी हो। शोधकर्ता सुझाव देते हैं कि इसका मतलब यह है कि TFT जैसे समूहों द्वारा एकत्र किए गए बड़े डेटासेट अनजाने में चमकीले, स्पष्ट कचरे की अधिक गिनती कर सकते हैं और चालाक, छिपे हुए सामान की कम गिनती कर सकते हैं। ऐसा नहीं है कि स्वयंसेवक अपना काम करने में खराब हैं; बल्कि यह है कि कुछ चीजें दूसरों की तुलना में छिपने में बेहतर हैं।
तो, निष्कर्ष क्या है? यदि आप इस बात से चिंतित हैं कि नागरिक विज्ञान का डेटा "अविश्वसनीय" है क्योंकि आम लोग विशेषज्ञ नहीं हैं, तो यह अध्ययन कहता है कि आप निश्चिंत हो सकते हैं। "भीड़" आश्चर्यजनक रूप से सुसंगत है। असली चुनौती लोगों को बेहतर जासूस बनाने के लिए प्रशिक्षित करना नहीं है; बल्कि यह समझना है कि कुछ प्रकार का कचरा छिपने में दूसरों से बेहतर है। लेखक सुझाव देते हैं कि हालांकि वर्तमान ऑनलाइन प्रशिक्षण लोगों को शुरू करने के लिए ठीक है, लेकिन सर्वेक्षण पत्रों में बदलाव करना (जैसे कि विभिन्न प्रकार के प्लास्टिक के बीच अंतर करने में मदद करना) डेटा को और अधिक सटीक बना सकता है। अंततः, यह शोध दुनिया को साफ करने में मदद करने के लिए आम लोगों पर भरोसा करने की हरी झंडी देता है, बशर्ते हम याद रखें कि कुछ कचरा बाकी कचरे की तुलना में लुका-छिपी खेलने में बेहतर होता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।