[논문 리뷰] Citizen Science: An Information Quality Research Frontier

Roman Lukyanenko, Andrea Wiggins외 1명|arXiv (Cornell University)|2019. 05. 20.

Species Distribution and Climate Change참고 문헌 176인용 수 1

한 줄 요약

이 논문은 정보 품질(IQ) 연구의 전환적 영역으로 시민 과학을 위치지으며, 비전문가들이 기여하는 공동으로 수집한 과학 데이터가 IQ 관리에 있어 고유한 도전과 기회를 제기한다고 주장한다. 저자들은 시민 과학을 보다 광범위한 IQ 프레임워크에 통합함으로써, 대규모이고 개방적인 과학 연구에서의 데이터 품질을 보장하기 위한 통합적이고 다학제적 접근을 주장한다.

ABSTRACT

The rapid proliferation of online content producing and sharing technologies resulted in an explosion of user-generated content (UGC), which now extends to scientific data. Citizen science, in which ordinary people contribute information for scientific research, epitomizes UGC. Citizen science projects are typically open to everyone, engage diverse audiences, and challenge ordinary people to produce data of highest quality to be usable in science. This also makes citizen science a very exciting area to study both traditional and innovative approaches to information quality management. With this paper we position citizen science as a leading information quality research frontier. We also show how citizen science opens a unique opportunity for the information systems community to contribute to a broad range of disciplines in natural and social sciences and humanities.

연구 동기 및 목표

• 정보 시스템(IS) 분야 내에서 정보 품질(IQ) 연구의 핵심적이고 새로운 영역으로서 시민 과학을 확립하기 위해.
• 특히 과학적 맥락에서 비전문가 기여자로부터 생성된 사용자 생성 콘텐츠(UGC)에 초점을 맞춘 IQ 연구의 격차를 보완하기 위해.
• 초기 기업 데이터를 위한 목적에서 설계된 전통적 IQ 프레임워크를, 시민 과학 데이터의 복잡성을 수용할 수 있도록 확장하기 위해.
• 정보 시스템 연구자들과 자연과학·사회과학 연구자들, 인문학자들 간의 다학제적 협력을 촉진하여 개방 과학에서의 데이터 품질을 향상시키기 위해.
• 기존의 IQ 방법론과 함께 새로운 기술(예: 시민 과학)을 통합하는 통합된 IQ 프레임워크 개발을 촉구하기 위해.

제안 방법

• 정보 시스템 분야의 기존 IQ 프레임워크를 이론적으로 통합하고 이를 시민 과학 맥락에 적용하기 위해.
• 자발적 참여, 기여자 전문성의 다양성, 개방 접근성 등의 특성을 지닌 사용자 생성 콘텐츠(UGC)로서의 시민 과학을 분석하기 위해.
• 예: 위키백과, 소셜 미디어, 공동 작업 플랫폼 등 다양한 UGC 영역의 IQ 과제를 비교 평가하여 시민 과학을 보다 넓은 IQ 환경 내에서 위치 지으려고 하였다.
• 비전문가 기여자의 동기, 맥락, 품질 확보 메커니즘과 같은 시민 과학 분야에서 연구가 부족한 IQ 차원을 특정하기 위해.
• 기업이나 조직 외부의 데이터 생산 환경을 수용하기 위해 전통적 IQ 모델을 확장할 것을 제안하기 위해.
• 향후 연구를 통해 기존과 새로운 데이터 원천(예: 시민 과학 포함)을 통합하는 일반화 가능한 IQ 프레임워크 개발을 촉구하기 위해.

실험 결과

연구 질문

• RQ1 정보 품질(IQ) 프레임워크는 어떻게 사용자 생성 콘텐츠(UGC)로서의 시민 과학을 수용할 수 있도록 확장될 수 있는가?
• RQ2 기존 기업 데이터와 시민 과학 데이터 사이의 IQ 과제에서 핵심적인 차이점은 무엇인가?
• RQ3 정보 시스템(IS) 연구는 개방적이고 시민 주도적인 과학 프로젝트에서의 데이터 품질 향상에 어떻게 기여할 수 있는가?
• RQ4 기존의 IQ 모델은 비전문가 기여자의 동기, 익명성, 맥락의 다양성을 어떻게 반영할 수 있는가?
• RQ5 IS 연구자는 시민 과학과 다학제 연구를 위한 지속 가능하고 고품질의 데이터 인프라를 구축하는 데 어떤 역할을 할 수 있는가?

주요 결과

• 시민 과학은 규모, 개방성, 비전문가 기여자에 대한 의존성으로 인해 정보 품질(IQ) 연구의 핵심적 영역로 부각된다.
• 통제된 조직적 데이터를 위한 목적에서 설계된 전통적 IQ 프레임워크는 기여자 다양성과 자격 미확보로 인해 시민 과학 데이터의 품질를 관리하는 데에는 부적절하다.
• 시민 과학 데이터의 품질은 동기, 맥락, 공식적 감시의 부재에 의해 영향을 받으며, 이에 따라 새로운 품질 확보 메커니즘이 필요하다.
• 위키백과와 같은 플랫폼과 비교할 때, 콘텐츠 모더레이션, 편집, 공동 생산이 시민 과학에서 IQ에 미치는 영향을 이해하는 데 상당한 연구 격차가 존재한다.
• 시민 과학을 보다 광범위한 IQ 연구에 통합함으로써, 기존과 새로운 데이터 원천을 아우르는 더 견고하고 통합된 프레임워크를 도출할 수 있다.
• 정보 시스템 연구자들은 데이터 품질, 채택, 시스템 설계 전문성을 활용하여 시민 과학에서 지속 가능하고 고품질의 데이터 생태계를 조성하는 데 유리한 위치에 있다.