[论文解读] Commons at the Intersection of Peer Production, Citizen Science, and Big Data: Galaxy Zoo

Michael J. Madison|arXiv (Cornell University)|Jan 1, 2017

Species Distribution and Climate Change参考文献 41被引用 10

一句话总结

本文将知识公地框架应用于 Galaxy Zoo 项目，这是一个全球性的公民科学计划，利用同行生产与大数据方法论。研究展示了在大规模协作与去中心化参与的协调下，天文学数据的协作性、去中心化贡献如何体现科学知识公地的可持续治理。

ABSTRACT

The knowledge commons research framework is applied to a case of commons governance grounded in research in modern astronomy. The case, Galaxy Zoo, is a leading example of at least three different contemporary phenomena. In the first place Galaxy Zoo is a global citizen science project, in which volunteer non-scientists have been recruited to participate in large-scale data analysis via the Internet. In the second place Galaxy Zoo is a highly successful example of peer production, sometimes known colloquially as crowdsourcing, by which data are gathered, supplied, and/or analyzed by very large numbers of anonymous and pseudonymous contributors to an enterprise that is centrally coordinated or managed. In the third place Galaxy Zoo is a highly visible example of data-intensive science, sometimes referred to as e-science or Big Data science, by which scientific researchers develop methods to grapple with the massive volumes of digital data now available to them via modern sensing and imaging technologies. This chapter synthesizes these three perspectives on Galaxy Zoo via the knowledge commons framework.

研究动机与目标

• 探讨 Galaxy Zoo 如何作为科学知识公地的治理模型。
• 探索现代天文学中公民科学、同行生产与大数据的交汇点。
• 分析在数据密集型科学研究中，大规模、去中心化的贡献如何实现协调与持续。
• 评估开放获取与协作参与在通过数字基础设施推动科学发现中的作用。

提出的方法

• 应用知识公地框架，分析 Galaxy Zoo 中的治理结构。
• 综合三种研究视角：公民科学、同行生产与大数据科学。
• 运用案例研究方法，考察 Galaxy Zoo 中的组织与协作动态。
• 识别使匿名与化名贡献者之间实现协调的机制。
• 考察集中管理、全球分布的研究项目中的数据流动与贡献模式。
• 将公共事物研究的理论框架与 Galaxy Zoo 运营中的实证观察相结合。

实验结果

研究问题

• RQ1 Galaxy Zoo 如何体现科学知识公地的治理？
• RQ2 Galaxy Zoo 在科学研究中如何作为同行生产模式的范例？
• RQ3 该项目在数据密集型研究背景下，如何管理与扩展非专家参与者的贡献？
• RQ4 哪些机制确保了在大规模、去中心化科学事业中贡献的可靠性与可持续性？
• RQ5 公民科学、同行生产与大数据的整合如何创造一种科学协作的新模式？

主要发现

• Galaxy Zoo 有效地将公民科学、同行生产与大数据科学整合为一种连贯的科学协作模型。
• 该项目表明，大规模、去中心化的贡献可在科学数据分析中实现高度的准确性和可靠性。
• 中心化协调机制可在不损害数据质量的前提下，有效管理匿名与化名贡献者。
• 知识公地框架为理解此类协作性科学事业的可持续性与治理提供了有力的分析视角。
• 该项目说明了开放获取数据与参与式模式如何使科学研究所民主化，并扩展研究能力。
• Galaxy Zoo 展现了一种电子科学的新范式，即通过人类计算分析海量数据，从而提升科学研究的可扩展性。