A medida que crezca la adopción de información en línea y tecnologías conscientes de la ubicación, más y más datos estarán disponibles para fines de investigación. Los datos recopilados por voluntarios o científicos ciudadanos son una fuente valiosa para analizar fenómenos geográficos como el impacto del cambio climático en las plantasy los ciclos biológicos de los animales. Pero solo si los datos pueden evaluarse en cuanto a su calidad. Los investigadores de la Facultad ITC de la Universidad de Twente, han encontrado una manera de estudiar la calidad de los datos voluntarios de manera eficiente para que sean útiles para los científicos.
Los investigadores publicaron sus hallazgos recientemente en la revista científica multidisciplinaria PLoS ONE y lo aplicó a los registros a largo plazo de observaciones voluntarias sobre la floración y la hoja de la planta. Para este trabajo, los investigadores del ITC trabajaron con la Red Nacional de Fenología de EE. UU. USANPN y a principios de este año publicaron un conjunto de datos fenológicos con control de calidad Datos científicos .
Big data: crecientes recopilaciones de datos
Las mejoras en la comunicación de información en línea y las tecnologías móviles de reconocimiento de ubicación han llevado a un aumento dramático en la cantidad de información geográfica voluntaria VGI en los últimos años. La recopilación de datos voluntarios sobre fenómenos geográficos tiene una rica historia en todo el mundo. Por ejemplo,Christmas Bird Count ha estudiado los impactos del cambio climático en la distribución espacial y las tendencias de población de especies de aves seleccionadas en América del Norte desde 1900. Hoy en día, varios observatorios ciudadanos recopilan información sobre nuestro medio ambiente, que es complementaria o, en algunos casos, esencial paraabordar una amplia gama de problemas geográficos.
preocupaciones de calidad
A pesar de la amplia aplicabilidad y aceptabilidad de VGI en la ciencia, muchos estudios sostienen que la calidad de las observaciones sigue siendo una preocupación. Los datos recopilados por voluntarios a menudo no siguen los principios científicos del diseño de muestreo, y los niveles de experiencia varían entre los voluntarios. Esto hace quees difícil para los científicos integrar VGI en su investigación.
Las observaciones inconsistentes y de baja calidad pueden sesgar el análisis y los resultados de modelado porque no son representativos de la variable estudiada o porque disminuyen la relación de señal a ruido. Por lo tanto, la identificación de observaciones inconsistentes claramente beneficia a las aplicaciones basadas en VGI y proporcionaconjuntos de datos más sólidos para la comunidad científica.
Identificar inconsistencias en datos voluntarios
En su artículo, los investigadores describen un nuevo flujo de trabajo automatizado para identificar inconsistencias en VGI. "Aprovechar un mecanismo de control digital significa que podemos dar valor a los millones de observaciones recolectadas por voluntarios" y "permite un nuevo tipo de ciencia donde los ciudadanos puedencontribuir directamente al análisis de desafíos globales como el cambio climático ", dicen Hamed Mehdipoor y el Dr. Raúl Zurita-Milla, que trabajan en el departamento de Procesamiento de Geoinformación del ITC.
El flujo de trabajo se basa en la disponibilidad de información contextual y se construye utilizando una combinación de técnicas de reducción de dimensionalidad, agrupación y detección de valores atípicos. En su publicación PLoS ONE, el flujo de trabajo se ilustró utilizando observaciones sobre el momento de la primera flor de plantas lilas recolectadaspor voluntarios en América del Norte. La historia de estas observaciones es bastante larga los voluntarios comenzaron a recopilar estos datos en la década de 1950 como se indica en su publicación Nature Scientific Data y sus usos son diversos: desde apoyar la planificación y ejecución de diversas prácticas agronómicas,para estudiar la magnitud y dirección del cambio climático a escalas continentales.
Si bien algunas observaciones inconsistentes pueden reflejar eventos reales e inusuales, los investigadores demostraron que estas observaciones también sesgan las tendencias tasas de avance, en este caso de la fecha de inicio de la floración lila. Esto demuestra que identificar observaciones inconsistentes es un requisito previopara estudiar e interpretar el impacto del cambio climático en el momento de los eventos del ciclo de vida.
Fuente de la historia :
Materiales proporcionado por Universidad de Twente . Nota: El contenido puede ser editado por estilo y longitud.
Referencias de revistas :
Cite esta página :