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
Deze studie toont aan dat de burgerwetenschappers van Trash Free Trails consistente en nauwkeurige surveygegevens over eenmalig gebruik van vervuilende producten produceren, ongeacht hun ervaring, training of wetenschappelijke achtergrond, hoewel de detecteerbaarheid aanzienlijk varieert per type item en verbeteringen aan de trainingsbronnen de nauwkeurigheid van de categorisering verder zouden kunnen verhogen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je de aarde voor als een enorme, rommelige woonkamer waar we al decennia lang kruimels, verpakkingen en kapot speelgoed laten liggen. Wetenschappers noemen dit "single-use pollution" (SUP) — spullen die we één keer gebruiken en dan weggooien, zoals plastic flessen, sigarettenpeuken en voedselverpakkingen. Hoewel we veel weten over hoe dit afval in de oceaan terechtkomt, is de "woonkamerversie" op het land (bossen, parken en paden) een beetje een mysterie. We hebben niet genoeg gegevens om precies te weten hoeveel er is of waar het uit bestaat. Om dit op te lossen, werft wetenschap vaak "burgerwetenschappers" — gewone mensen zoals jij en ik — om de troep te gaan tellen. Maar hier is de grote vraag: kan een gewone persoon zonder wetenschappelijke graad even goed afval tellen als een getrainde expert? Als de gegevens rommelig of bevooroordeeld zijn omdat sommige mensen beter zijn in het spotten van dingen dan anderen, dan stort het hele plan in. Dit is het puzzelstukje dat onderzoekers proberen op te lossen: is de "menigte" slim genoeg om ons nauwkeurige antwoorden te geven, of hebben we een team van PhD's nodig om de klus te klaren?
Maak kennis met een team onderzoekers van Bangor University en de organisatie Trash Free Trails (TFT), die besloten dit idee op de proef te stellen. Ze zetten een gigantisch, echt spel van "Waar is Waldo?" op in een bos in Wales, maar in plaats van te zoeken naar een gestreept shirt, moesten de vrijwilligers verborgen afval vinden. Ze wilden zien of de achtergrond van een vrijwilliger — zoals een wetenschappelijke graad, jarenlage ervaring of het kijken naar een online trainingsvideo — hen beter maakte in het vinden en sorteren van het zwerfvuil.
De opzet was slim. De onderzoekers maakten een stuk bos van 250 meter lang vrij en planten daar vervolgens geheim 63 stukken afval, variërend van overduidelijke plastic flessen tot piepkleine, moeilijk te zien sigarettenpeuken. Ze ronselden 20 vrijwilligers en verdeelden hen in vier groepen: zij zonder ervaring en zonder wetenschappelijke achtergrond, zij met een wetenschappelijke achtergrond maar zonder ervaring, zij die een trainingsvideo hadden bekeken, en zij die al ervaren vrijwilligers waren. Ieder persoon liep alleen over het pad en telde en categoriseerde het afval dat zij vonden. Ze deden ook een tweede ronde waarbij ze items moesten ontdekken die iets meer "verborgen" waren of opgingen in de achtergrond, en een derde taak waarbij ze een stapel mysterieuze items in de juiste categorieën moesten sorteren.
De resultaten waren verrassend simpel en geruststellend. De studie toonde aan dat het er niet toe deed wie je was. Of je nu een absolute nieuwkomer was, een wetenschappelijk genie, een video-kijker of een ervaren professional, iedereen vond ongeveer evenveel afval en maakte ongeveer evenveel fouten. De "trainings"video's maakten mensen niet magisch beter in het spotten van items, en een wetenschappelijke graad hielp je niet om nauwkeuriger afval te tellen. Sterker nog, de gegevens suggereren dat de vrijwilligers een consistente, betrouwbare stroom informatie leverden die net zo goed was als wat een professionele wetenschapper zou produceren.
Echter, de studie vond één grote "gotcha": het afval zelf was niet gelijk aan elkaar. Sommige items waren als neonreclames, van een afstand te zien (zoals felgekleurde plastic flessen en blikjes), terwijl andere als ninja's waren, die in het volle zicht bleven verscholen. Sigarettenpeuken, tie-wraps en kleine verpakkingen waren berucht moeilijk voor iedereen om te vinden, ongeacht hun vaardigheidsniveau. De onderzoekers suggereren dat dit betekent dat de grote datasets verzameld door groepen zoals TFT per ongeluk het felle, overduidelijke afval kunnen overschatten en het sluipende, cryptische spul kunnen onderschatten. Het is niet dat de vrijwilligers slecht zijn in hun werk; het is dat sommige items gewoon moeilijker te zien zijn dan andere.
Dus, wat is de les? Als je je zorgen maakt dat burgerwetenschap "onbetrouwbaar" is omdat gewone mensen geen experts zijn, suggereert deze studie dat je kunt ontspannen. De "menigte" is verrassend consistent. De echte uitdaging is niet het trainen van mensen om betere detectives te worden; het is beseffen dat sommige soorten afval gewoon beter zijn in verstoppertje spelen dan de rest. De auteurs suggereren dat hoewel de huidige online training prima is om mensen op weg te helpen, het aanpassen van de invulformulieren om mensen te helpen bij het sorteren van lastige items (zoals het onderscheiden van verschillende soorten plastic) de gegevens nog scherper zou kunnen maken. Uiteindelijk geeft dit onderzoek het groene licht om gewone mensen te blijven vertrouwen om de planeet schoon te houden, zolang we maar onthouden dat een deel van het zwerfvuil gewoon beter is in verstoppertje spelen dan de rest.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.