Skip to content

Commit

Permalink
added more on citizen science
Browse files Browse the repository at this point in the history
  • Loading branch information
pat1 committed Nov 12, 2024
1 parent b50ae01 commit 5654055
Showing 1 changed file with 373 additions and 0 deletions.
373 changes: 373 additions & 0 deletions doc/sphinx/dispense/la_scienza_di_tutti/la_scienza_di_tutti.rst
Original file line number Diff line number Diff line change
Expand Up @@ -31,8 +31,370 @@ Livelli di coinvolgimento:
4. COMPLETAMENTE INTEGRATO: cittadino collabora con scienziato a tutte
le fasi del progetto

Rilevamento sociale
-------------------

Il crowdsourcing interseca anche il concetto di rilevamento
sociale. Il rilevamento sociale è definito in senso lato come un
paradigma di raccolta dati in cui i dati vengono raccolti da esseri
umani o dispositivi per loro conto per dare un senso all'ambiente
(Wang et al., 2015). La raccolta dati per il rilevamento sociale
potrebbe avvenire tramite rilevamento partecipativo, rilevamento
opportunistico e indagativo dei dati sociali (Wang et al., 2015):

• Il rilevamento partecipativo è quando gli individui sono attivamente
coinvolti nella raccolta dei dati in cui svolgono attività o
operazioni;
• Il rilevamento opportunistico è quando gli individui sono coinvolti
passivamente, ma pre-autorizzano i loro dispositivi a raccogliere e
condividere le loro informazioni per loro conto;
• L'indagine dei dati sociali è quando gli individui non sono
consapevoli di partecipare al processo di raccolta dati; un esempio
è quando i dati disponibili al pubblico dai social media vengono
ricercati e utilizzati per dare un senso.


Metodi di raccolta dati meteorologici
-------------------------------------

Per raccogliere informazioni dalla folla si possono utilizzare vari
metodi e piattaforme. Questa sezione riassume i tipi comuni di
informazioni raccolte per progetti di crowdsourcing meteorologici e
piattaforme che sono state utilizzate per raccogliere dati.

Tipi di informazioni raccolte
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

I dati raccolti tramite crowdsourcing possono variare. I tipi comuni
di informazioni raccolte sono media visivi, report descrittivi,
osservazioni tramite strumenti dedicati e informazioni geografiche. La
Tabella descrive in dettaglio il tipo di informazioni che possono
essere raccolte per progetti di crowdsourcing meteorologici.

Tipi di informazioni raccolte tramite progetti di crowdsourcing

+--------------------------------+-------------------------------------------------------+
| Tipo di informazione | | Descrizione |
+--------------------------------+-------------------------------------------------------+
| media visuali | | Foto o video che catturano osservazioni prima, |
| | | durante o dopo gli eventi. |
+--------------------------------+-------------------------------------------------------+
|report descrittivi | | Descrizioni testuali delle condizioni |
| | | meteorologiche, inclusi dettagli su precipitazioni, |
| | | visibilità, impatti e altri fattori |
+--------------------------------+-------------------------------------------------------+
| osservazioni tramite strumenti | | Le letture della temperatura, le condizioni |
| | | atmosferiche, la velocità e la direzione del vento |
| | | e altri parametri meteorologici rilevanti possono |
| | | essere registrati tramite strumenti. Gli strumenti |
| | | potrebbero essere stazioni meteorologiche dedicate |
| | | o gadget come smartphone, dispositivi indossabili o |
| | | dati dei veicoli. |
+--------------------------------+-------------------------------------------------------+
| informazioni geografiche | | Le informazioni vengono fornite tramite una |
| | | piattaforma basata su GIS per raccogliere dati |
| | | specifici della posizione, come la mappatura, |
| | | l'identificazione di aree vulnerabili o di impatto |
| | | o il monitoraggio del movimento di aree |
| | | meteorologicamente omogenee |
+--------------------------------+-------------------------------------------------------+


Sistemi di rilevamento meteorologico
------------------------------------

* Stazioni meteorologiche e sensori: Le stazioni meteorologiche
personali e i sensori installati dal pubblico raccolgono
informazioni rilevanti. Questi possono essere autonomi o collegati
a una rete più ampia.
* Dati da sensori di dispositivi: I dispositivi, con il permesso degli
utenti, possono raccogliere e fornire dati. Le osservazioni possono
essere effettuate attraverso sensori negli smartphone, dispositivi
indossabili, veicoli e altri dispositivi intelligenti.
* applicazioni integrate o dedicate per dispositivi mobili: Le app
mobili consentono ai collaboratori di inviare report e osservazioni
o contribuire a una attività di crowdsourcing. Queste app possono
essere progettate appositamente per il crowdsourcing o app esistenti
utilizzate per scopi di crowdsourcing.
* Siti web e software dedicato: Piattaforme basate sul Web o sul
software in cui i collaboratori possono fornire report e
osservazioni attraverso moduli predefiniti, piattaforme di mappatura
o altri vari formati di dati.
* Social media o piattaforme di messaggistica: foto, video, post o
messaggi possono essere condivisi sui social media o sulle
piattaforme di messaggistica online.

* Telefonate, email e messaggi vocali: queste piattaforme utilizzano
una comunicazione one-to-one più manuale e diretta, in cui i
collaboratori inviano direttamente all'entità proponente.



Controllo della qualità dei dati
--------------------------------

Garantire la qualità, l'affidabilità e la coerenza dei dati è
fondamentale quando si utilizza il crowdsourcing. I dati forniti dai
contributori possono essere di scarsa qualità, inaffidabili o
addirittura contenere informazioni false o fasulle, che possono
influire sugli output e sull'integrità del progetto.

La qualità può essere gestita da due fronti: prima dell'input del
contributore e dopo aver ricevuto i dati. Questo approccio garantisce
che i dati siano standardizzati e accurati durante la raccolta e
l'analisi. Ecco alcuni approcci suggeriti per aiutare a gestire la
qualità dei dati:

Standardizzazione:

* Definire linee guida e standard chiari per la raccolta dei dati per
garantire la coerenza tra i contributori
* Fornire istruzioni chiare sull'acquisizione o la misurazione di
informazioni specifiche
* Utilizzare parametri di reporting standardizzati
* Utilizzare formati coerenti per l'invio dei dati
* Offrire formazione o risorse ai contributori per migliorare la loro
comprensione dei requisiti dei dati

Funzionalità della piattaforma di crowdsourcing:

* Incorporare funzionalità all'interno della piattaforma di
crowdsourcing per migliorare il controllo della qualità dei dati. Le
funzionalità possono includere:

- Utilizzo di funzionalità del dispositivo come la posizione GPS e la
funzionalità di timestamp
- Controlli di garanzia della qualità integrati
- Moderazione dei dati da parte degli amministratori del progetto
- Meccanismi di feedback in tempo reale per i collaboratori
- La possibilità di segnalare o segnalare dati non accurati.

Feedback o revisione paritaria:

* Implementare cicli di monitoraggio e feedback continui o regolari
per identificare e correggere problemi nei dati. Ciò può comportare
la richiesta di feedback da parte di collaboratori e utenti e
affrontare tempestivamente eventuali preoccupazioni o discrepanze.

Garanzia di qualità

* Stabilire regolari processi di garanzia della qualità per
identificare e affrontare potenziali errori o distorsioni nei dati
raccolti. (Vuckovic et al., (2023)) suggeriscono almeno tre aspetti
da controllare per la qualità dei dati:

- Controllo di completezza: verifica di valori di dati mancanti o
incompleti
- Controllo di coerenza: verifica di eventuali cambiamenti improvvisi
o previsti nei dati confrontandoli con fonti esterne
- Controllo dei valori anomali: verifica di valori superiori o
inferiori alle soglie.
- L'esecuzione di questi controlli include processi manuali a basso
costo come la pulizia dei dati e revisioni manuali dei dati tramite
ispezione visiva e test grafici e statistici.
- Possono essere utilizzati metodi più sofisticati, come:

+ Algoritmi automatizzati per rilevare valori anomali o
incongruenze
+ Validazione basata su modelli da modelli esistenti o dati di
crowdsourcing convalidati in precedenza
+ Integrazione semantica di dati di crowdsourcing e autorevoli.

- I progetti possono anche seguire le best practice e i framework
delle iniziative di crowdsourcing esistenti. Ad esempio, un grande
progetto di crowdsourcing che utilizza un'app meteo ha applicato
punti di controllo (ad es. controlli di plausibilità) per
convalidare i risultati di ogni osservazione in più passaggi
(Kempf, 2021). Le osservazioni vengono confrontate con i dati
meteorologici esistenti da radar, satellite e altre fonti.
- I progetti dovrebbero impostare dei passaggi per garantire la
garanzia della qualità. I ​​processi differiranno a seconda del
contesto del progetto.



Benessere
---------

Garantire il benessere dei collaboratori è fondamentale nei progetti di crowdsourcing. È importante
dare priorità alla loro sicurezza fisica ed emotiva durante tutto il progetto. Misure da considerare:

* Valutazione del rischio: condurre una valutazione approfondita per
identificare eventuali rischi o danni potenziali che i collaboratori
potrebbero incontrare durante la raccolta dati.
* Istruzioni per la sicurezza: fornire istruzioni e linee guida chiare
ai collaboratori per ridurre al minimo il rischio di danni fisici.
* Segnalazione di problemi: istituire un meccanismo per sollevare
preoccupazioni o segnalare eventuali problemi, con un team dedicato
responsabile di affrontare tempestivamente tali preoccupazioni.
* Verifica dell'età: implementare un processo di verifica dell'età,
quando necessario, per garantire la partecipazione di individui che
soddisfano i criteri di età appropriati per il progetto.
* Carico di lavoro: monitorare il carico di lavoro e l'impegno di
tempo dei collaboratori per evitare richieste eccessive.
* Recesso: fornire ai collaboratori modi per ritirarsi dal progetto in
qualsiasi momento durante il progetto senza conseguenze
negative. Dovrebbero essere stabiliti chiari percorsi di uscita per
agevolare il processo di opt-out

Privacy
-------

Rispettare e salvaguardare la privacy è essenziale nei progetti di crowdsourcing. Ecco alcune
misure per proteggere le informazioni personali dei collaboratori:

* Protezione dei dati: implementare rigidi protocolli di protezione
dei dati per garantire la conformità con le normative e le leggi
sulla privacy pertinenti.
* Trasparenza: fornire informazioni chiare e trasparenti su come i
loro contributi e i loro dati personali saranno archiviati e
utilizzati.
* Consenso informato e autorizzazioni: ottenere il consenso informato
dai collaboratori sulla raccolta e l'elaborazione dei loro dati.
Ottenere l'autorizzazione dal titolare dei diritti per utilizzare i
loro contenuti di crowdsourcing.
* Archiviazione sicura: utilizzare meccanismi sicuri e tecniche di
crittografia per proteggere le informazioni dei collaboratori da
accessi non autorizzati.
* Controllo della privacy: offrire il controllo sulla visibilità e l'accessibilità dei loro dati, consentendo loro di gestire
le loro preferenze sulla privacy.

Coinvolgimento e riconoscimento
-------------------------------

Coinvolgimento e riconoscimento sono essenziali per promuovere una
partecipazione e una motivazione significative nei progetti di
crowdsourcing. Per coinvolgere e riconoscere efficacemente i
collaboratori, è possibile impiegare le seguenti strategie di best
practice:

* Riconoscere la natura volontaria della partecipazione

- Riconoscere che la maggior parte dei collaboratori non è
retribuita e dedica volentieri il proprio tempo e impegno a
beneficio degli altri;
- Evidenziare la natura altruistica del loro coinvolgimento nel
progetto di crowdsourcing.

* Offrire incentivi, ricompense e riconoscimenti

- Possono essere forniti come incentivi dei gettoni di
apprezzamento, monetari o non monetari;
- Fornire un feedback ai collaboratori, informandoli che il loro
tempo e i loro contributi sono apprezzati e hanno un impatto positivo;
- Esprimere gratitudine e apprezzamento tramite varie piattaforme,
tra cui newsletter e shout-out sui social media.

* ​​Condividere i progressi e i risultati del progetto

- Tenere informati i collaboratori sui progressi e sui risultati
dello studio o del progetto; ○ Condividere piattaforme in cui
possono vedere i dati forniti (ad esempio mappe interattive);
- Offrire ai collaboratori l'opportunità di analizzare i dati
raccolti, migliorando il loro senso di appartenenza e
riconoscimento.
- Comunicare l'importanza del loro coinvolgimento e il modo in cui i
loro contributi hanno contribuito alla ricerca scientifica o
all'impatto sulla comunità.
* Coinvolgimento a lungo termine

- Per progetti di lunga durata, valutare di reclutare collaboratori
in base alle loro prestazioni e offrire opportunità di ulteriore
coinvolgimento o potenziali posizioni all'interno del progetto o
dell'organizzazione.
- Fornire informazioni su potenziali opportunità di sviluppo di
carriera, istruzione o impiego in linea con le loro competenze e
il loro impegno dimostrati.

Limitazioni
-----------

Il crowdsourcing offre potenziale nella ricerca meteorologica e molto
può essere ottenuto attraverso i nostri sforzi collettivi. Sebbene sia
possibile gestire progetti di successo, è anche importante riconoscere
le limitazioni e le sfide del crowdsourcing e le aree per le direzioni
future.

Limitazioni del crowdsourcing

In questa sezione, esploriamo le limitazioni note del crowdsourcing e forniamo preziosi suggerimenti per
affrontarle e mitigarle.

Pregiudizi
^^^^^^^^^^

Il crowdsourcing si basa sui contributi di un gruppo specifico, che
può inavvertitamente introdurre pregiudizi. Questo pregiudizio
intrinseco può derivare dalla composizione demografica o
dall'esperienza dei contributori, portando potenzialmente a dati
distorti. Ad esempio, le stazioni meteorologiche personali sono una
fonte significativa di dati meteorologici crowdsourcing,
prevalentemente situate in aree urbane o accessibili alle popolazioni
più abbienti. Questo scenario può introdurre pregiudizi come disparità
tra aree urbane e rurali o tecnologiche. Identificare questi
pregiudizi in base alle caratteristiche dei collaboratori è il primo
passo per affrontarli. L'implementazione di politiche e strategie
deliberate per raccogliere dati da aree poco riconosciute è essenziale
per mitigare questi pregiudizi.

Barriere dovute alla tecnologia
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

Sebbene la tecnologia abbia facilitato il crowdsourcing, ha anche
introdotto un livello di dipendenza. I cambiamenti tecnologici, in
particolare all'interno delle piattaforme dei social media, possono
avere un impatto significativo sulla raccolta dati e spesso vanno
oltre il controllo immediato di un progetto. L'introduzione di
ridondanza nelle opzioni di raccolta dati utilizzando vari canali è
essenziale per mitigare le dipendenze dalla tecnologia.

La dipendenza dalla tecnologia può anche amplificare un divario
digitale nella partecipazione. Il divario può escludere alcuni gruppi,
come gli anziani, le persone con disabilità o coloro che vivono in
aree senza accesso a Internet. Si può prendere in considerazione la
fornitura di mezzi per la formazione o materiali per l'accesso non
digitale per ridurre il divario digitale. I progetti dovrebbero essere
consapevoli di questo potenziale divario e integrare strategie
ponderate per mitigarlo. Le soluzioni possono includere l'offerta di
formazione e materiali per dotare gli individui delle competenze
necessarie per partecipare in modo efficace o fornire vie per
l'accesso non digitale. Allo stesso tempo, gli sforzi di
collaborazione con le organizzazioni della comunità, i governi locali
e gli istituti scolastici possono migliorare significativamente
l'inclusività e l'accessibilità nei progetti di crowdsourcing.

Sovraccarico di informazioni
^^^^^^^^^^^^^^^^^^^^^^^^^^^^

Un'altra sfida affrontata dalle iniziative di crowdsourcing è
l'afflusso di dati. Mentre la diversità nei dati raccolti è preziosa,
la gestione e l'elaborazione di un grande volume di invii può
richiedere molto tempo e denaro. Semplificare la gestione dei dati
attraverso scopi di raccolta dati ben definiti, ruoli chiari, metodi
di raccolta mirati e un controllo della qualità dei dati consolidato,
come delineato in questa nota guida, è fondamentale per ridurre il
sovraccarico di informazioni.

Problemi di latenza dei dati per la segnalazione in tempo reale
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

I progetti di crowdsourcing meteorologico ad alto impatto spesso si
basano sulla segnalazione in tempo reale per migliorare le previsioni
e gli avvisi. Tuttavia, è essenziale riconoscere che queste iniziative
possono incontrare sfide di latenza dei dati. Queste possono includere
ritardi nella raccolta, trasmissione ed elaborazione dei dati dovuti
al volume sostanziale di informazioni in arrivo, che, a sua volta,
influisce sulla consegna tempestiva dei dati.

I progetti devono stabilire in modo proattivo meccanismi di ridondanza
per affrontare la latenza dei dati, in particolare per le iniziative
in cui la raccolta, l'elaborazione e la segnalazione in tempo reale
sono cruciali. Inoltre, una comunicazione chiara e trasparente con le
parti interessate e i collaboratori in merito ai limiti del progetto e
ai risultati previsti è importante per gestire le aspettative.

Qual è il valore della Citizen Science?
---------------------------------------

SCIENTIFICO: democratizzazione scienza, monitoraggio a basso costo,
elevato numero di dati su larga scala spazio-temporale SOCIALE:
Expand All @@ -45,6 +407,17 @@ comunità locali
EDUCATIVO: sensibilizzazione cittadini alle problematiche ambientali,
nuovi modi di fare scuola

L'essenza fondamentale del crowdsourcing risiede nell'intelligenza
collettiva, ovvero la convinzione che un gruppo eterogeneo di
individui possa raggiungere risultati che una persona da sola non
potrebbe. Ciò è particolarmente rilevante quando si tratta di
comprendere eventi meteorologici ad alto impatto. Sfruttando il potere
della folla, possiamo ottenere una comprensione più completa e
localizzata degli eventi, il che in definitiva ci aiuta a prepararci e
rispondere meglio



L’altra faccia della medaglia Non è tutto rose e fiori

* qualità delle osservazioni
Expand Down

0 comments on commit 5654055

Please sign in to comment.