[논문 리뷰] Citizen Science: Contributions to Astronomy Research

C. A. Christian, Chris Lintott외 3명|arXiv (Cornell University)|2012. 02. 12.

Species Distribution and Climate Change참고 문헌 2인용 수 14

한 줄 요약

이 논문은 Zooniverse와 같은 플랫폼을 통해 시민 과학이 천문학 연구에 비전문가들이 의미 있는 기여를 할 수 있도록 하는 방식을 설명한다. 비전문가들이 천체 사진과 데이터를 분류하는 방식으로 이루어지며, 이러한 참가형 모델이 과학적으로 타당하고 확장 가능하며 현대 천체물리학의 데이터 분석 파이프라인에 필수적이라고 주장한다.

ABSTRACT

The contributions of everyday individuals to significant research has grown dramatically beyond the early days of classical birdwatching and endeavors of amateurs of the 19th century. Now people who are casually interested in science can participate directly in research covering diverse scientific fields. Regarding astronomy, volunteers, either as individuals or as networks of people, are involved in a variety of types of studies. Citizen Science is intuitive, engaging, yet necessarily robust in its adoption of sci-entific principles and methods. Herein, we discuss Citizen Science, focusing on fully participatory projects such as Zooniverse (by several of the au-thors CL, AS, LF, SB), with mention of other programs. In particular, we make the case that citizen science (CS) can be an important aspect of the scientific data analysis pipelines provided to scientists by observatories.

연구 동기 및 목표

• 시민 과학이 천문학 연구에서 과학적으로 타당하고 영향력 있는지 입증하는 것.
• 현대 천체망원경에서 생성되는 거대한 천체 데이터셋을 분석하는 데 증가하는 과제를 다루는 것.
• 관측소에서 공식 과학 데이터 분석 파이프라인에 시민 과학을 통합할 것을 주장하는 것.
• Zooniverse와 같은 대규모 성공 프로젝트를 참여형 과학의 모델로 강조하는 것.
• 시민 과학을 과학 방법론 프레임워크 내에서 합법적이고 확장 가능하며 탄탄한 방법으로 정립하는 것.

제안 방법

• 비전문가들이 천체 사진을 분류하는 데 참여할 수 있도록 대규모 웹 기반 플랫폼인 Zooniverse와 같은 것을 활용한다.
• 개별 분류 결과를 통합하여 신뢰할 수 있는 과학적 결과를 도출하기 위해 통계적 집계 기법을 적용한다.
• 데이터 품질과 재현 가능성을 보장하기 위해 검증된 과학적 방법과 검증 프rotocol를 활용한다.
• 관측소 및 연구 기관의 데이터 분석 파이프라인의 핵심 구성 요소로 시민 과학을 통합한다.
• 수천 명의 자원자들이 참여한 실제 프로젝트를 바탕으로 확장성과 정확성을 입증한다.
• 현재 자동화된 시스템이 처리하기 어려운 복잡한 시각적 패턴 인식 작업을 위해 분산된 인간 계산을 활용한다.

실험 결과

연구 질문

• RQ1 비전문가 자원자들이 대규모 천체 데이터 분석에 어떻게 의미 있는 기여를 할 수 있는가?
• RQ2 대규모 시민 과학 프로젝트에서 과학적·메소드론적 엄밀함은 어느 정도 유지될 수 있는가?
• RQ3 관측소의 공식 과학 데이터 파이프라인에 시민 과학이 어느 정도 통합될 수 있는가?
• RQ4 비전문가의 집계된 분류 결과는 전문가나 자동화된 방법에 비해 정확도에서 어떻게 비교되는가?
• RQ5 참여형 과학 모델이 과학적 발견과 대중 참여에 장기적으로 어떤 영향을 미치는가?

주요 결과

• Zooniverse와 같은 시민 과학 프로젝트는 높은 정확도로 수백만 장의 천체 사진을 성공적으로 분류했다.
• 자원자들의 분류 결과는 전문가의 주석과 강한 일치를 보이며 비전문가의 입력이 신뢰할 수 있음을 입증한다.
• 시민 과학을 데이터 분석 파이프라인에 통합함으로써 데이터 분석에 소요되는 시간과 노동력이 크게 감소한다.
• 대규모 참여는 자동화 시스템이 놓칠 수 있는 희귀하거나 복잡한 천체 현상을 탐지할 수 있도록 한다.
• 시민 과학은 대중 참여를 촉진하고 과학적 소양을 향상시켜 연구의 사회적 가치를 높인다.
• 이 모델은 확장 가능하며 다양한 과학 분야, 천체물리학 및 장비 기술 분야에 적용 가능하다.