公民科學的興起：讓大眾參與研究

如今，從後院鳥類計數、記錄地震震動的手機應用，到志工在線上對遙遠星系進行分類，這些都屬於同一範疇。公民科學指的是公眾與專業研究人員共同收集、處理或解讀數據的研究，它已從一種小眾愛好發展成為一種數據收集方法，如今資助機構已將其納入預算。規模是其發展歷程的一部分。專為此類合作而建造的平台 Zooniverse在 2026 年 4 月註冊志工人數突破 300 萬，同年記錄了其第 10 億次分類。 iNaturalist在 2026 年 3 月的野生動物觀測記錄已超過 3 億條，該資料集已用於約 7,000 篇同行評審論文。自 2020 年以來，NASA 在其 Zooniverse 平台上開展的計畫中，已發表的 56 篇論文都將公民科學家列為共同作者。

單靠志工勞動不足以解釋這種增長。研究人員建構了足夠嚴謹的驗證流程，以滿足同儕審查的要求，而平台也學會如何在不降低資料品質的前提下簡化參與流程。下文將介紹公民科學的現況、支持它的平台和法律架構、資料品質在發表前如何進行檢查，以及研究團隊在研究中引入公眾參與環節前應該做好哪些規劃。

關鍵要點

• Zooniverse 在 2026 年擁有 300 萬名志工和 1 億個分類；同年，iNaturalist 的驗證觀測資料超過 3 億個。
• 聯邦機構擁有明確的法律授權（15 USC § 3724），可以利用眾包和公民科學來完成其任務。
• 資料品質取決於已記錄的方法：冗餘分類、分層驗證、與已知值進行校準以及追蹤有效與無效提交率。
• Foldit 玩家僅用了大約三週時間就破解了一種逆轉錄病毒蛋白結構，而專業晶體學家十多年來一直未能破解該結構。
• 研究人員在研究中加入公民科學部分時，需要在啟動之前（而不是之後）制定書面協議，以明確知情同意、數據所有權、志願者培訓和留存等事項，而不是在啟動之後。

公民科學對2026年科學研究的意義

大多數公民科學課程都屬於以下幾種工作模式之一。在貢獻型專案中，志願者按照研究團隊設計的方法收集或提交數據，就像eBird使用者將觀測記錄記錄到固定清單中一樣。在協作型計畫中，志工也會幫助改善方法或解讀結果；而在共創型計畫中，社區成員會參與設定研究問題本身。計畫類型決定了後續的一切，從志工需要接受的訓練到研究人員在方法部分對資料可靠性的描述程度。

幾年前，法律和製度認可才真正跟上了這項實踐的腳步。在美國，各機構依據明確的法定授權開展工作，該授權已編入《美國創新與競爭力法案》第15篇第3724條，允許其利用眾包和公民科學來推進自身使命。如今，這項授權支持著一個聯邦目錄，其中列出了二十多個聯邦機構所進行的350多個活躍計畫。大學也經歷了類似的轉變，將公民科學從一種外聯附加計畫發展成為一種獲得資助、經過同行評審的方法，並擁有自己的最佳實踐文獻，其中許多發表在《公民科學：理論與實踐》和《BMC生態與進化》等期刊上。這種轉變反映了更廣泛的開放取用出版趨勢，因為由成千上萬無償貢獻者建立的資料集一旦發布，就很難再透過付費牆取得。

從鳥類統計到全球平台：簡史

早在有人使用「計數」一詞之前，鳥類學家弗蘭克·查普曼就提出了一種替代傳統節日狩獵的方式——用計數代替射擊。由此發展而來的奧杜邦聖誕節鳥類計數活動，如今已成為全球持續時間最長的社區科學調查之一。在2024至2025年期間，該活動已舉辦了125屆，吸引了來自21個國家和地區的2,693個調查圈的83,109名參與者，他們共記錄到44,259,423隻鳥，代表2,503個物種和426個其他變種或雜交種。奧杜邦協會表示，基於聖誕節鳥類計數活動收集的數據，已發表了300多篇同行評審的科學文章。

互聯網改變了參與的單位，從單一的年度活動轉變為持續的全球數據流。 Galaxy Zoo於2007年啟動，旨在讓志願者對史隆數位巡天（SDSS）影像中的星系形狀進行分類。事實證明，這項任務更需要人類的模式辨識能力，而非強大的運算能力。 Galaxy Zoo發展成為Zooniverse，如今已擁有數十個活躍項目，涵蓋天文學、生態學、醫學和人文科學等領域，其中包括與NASA南希·格雷斯·羅曼太空望遠鏡任務相關的新近推出的羅馬星系動物園（Roman Galaxy Zoo）。行動電話和消費級GPS對野生動物和災害監測的影響，正如網路對影像分類的影響一樣，並在接下來的十年中催生了iNaturalist和MyShake等平台。

當今公民科學的驅動平台

目前，大多數學術公民科學工作都依賴少數平台，每個平台都有其實際規模和影響力，而非只是靜態的描述。在這些平台之間進行選擇，與選擇任何協作研究工具類似，正​​確的選擇取決於資料類型，而不是哪個平台最受關注。

除了表格之外，eBird 也值得特別一提。康乃爾鳥類學實驗室的這個平台將個人觀鳥清單轉化為標準化的全球資料集，鳥類學家可以直接將其用於族群和分佈範圍變化模型，正是因為其提交格式是固定的，而非自由文本。 SciStarter 則扮演著不同的角色，它與其說是一個單一的項目，不如說是一個連接潛在志工和數千個跨學科計畫的配對平台，由亞利桑那州立大學合作運作。研究人員在計劃開展新專案時，通常會將其發佈在 SciStarter 或CitizenScience.gov上，以便聯繫那些已有參與記錄的志願者，這比直接招募志願者能顯著提高志願者的留存率。

公民科學數據如何贏得科學信任

對志工收集的數據持懷疑態度是合理的。審查者會正確地質疑，一個未經報酬、未經訓練的參與者能否提供值得引用的測量結果。在實踐中，有四種方法可以回答這個問題。

• 分類冗餘。 Zooniverse 式專案將相同影像或記錄發送給多個獨立的志願者，只有達到共識閾值後才接受結果，這就像傳統研究中的評分者間信度測試一樣，可以平均消除個人誤差。
• 分級驗證。 iNaturalist 只有在獨立鑑定者對物種達成一致意見後才會將觀測結果提升為“研究級”，而且只有研究級記錄才會被納入研究人員通常下載進行分析的數據集。
• 利用已知數值進行校準。 利用低成本公民自建感測器的空氣品質專案需要明確採取這一步驟。一項旨在協調歐洲各地眾包PM2.5感測器讀數的2025框架，在將原始公民數據納入官方空氣品質評估之前，對其進行了標準化和校正，從而解決了此前監管機構對讀數缺乏信任的語義和校準方面的缺陷。
• 追蹤錯誤率本身。 一項法國眾包調查監測 自2012年以來，入侵物種棕色大理石紋臭蟲故意在其資料集中同時保留了有效和無效的目擊記錄。這樣，研究人員就可以直接衡量調查期間報告品質的變化情況，而不是假設它保持不變。

這些方法都不能完全消除誤差。它們只是將未測量的風險轉化為可記錄、可量化的風險，而這正是同儕審查員在方法部分真正需要看到的。其背後的邏輯與任何大型資料集的資料清洗原則相同。這種原則在後續工作中至關重要，當其他團隊試圖在此基礎上進行研究時，研究的可重複性可能會得到保證，也可能完全失效。

案例研究：Foldit玩家如何破解十年前的蛋白質結構

最能清晰展現訓練有素的志願者能力的，並非監控應用程序，而是一款電子遊戲。據華盛頓大學負責該計畫的研究團隊稱，十多年來，結構生物學家一直未能使用標準的分子置換技術解析出梅森-輝瑞猴病毒逆轉錄病毒蛋白酶的晶體結構。最終，研究人員將難題交給了Foldit的玩家。 Foldit是一款線上益智遊戲，玩家需要操控三維蛋白質模型，尋找低能量且生物學上合理​​的折疊結構。 Foldit玩家在大約三週內建構了一個足夠精確的模型，使得研究團隊得以完成結構解析。這項研究成果於2011年發表在《自然·結構與分子生物學》雜誌上，Foldit玩家被列為共同作者，研究報告指出，精細的結構解析為抗逆轉錄病毒藥物設計提供了新的見解。

Foldit 的發展並未止步於此。一年後，玩家們幫助重新設計了一種酵素的結合口袋，從而提高了其對狄爾斯-阿爾德反應的催化活性，該成果發表在《自然·生物技術》雜誌上。如今，Foldit 依然活躍，其影響力遠遠超越了這一里程碑的成就。 2025 年發表在《晶體學報》 D 部分的一篇論文描述了一個正在進行的拼圖系列，在這個系列中，Foldit 玩家們通過改進已存入蛋白質數據庫的實驗蛋白質模型的準確性，這表明，即使在其最著名的成果問世十多年後，該平台仍然能夠產生可用的結構生物學成果。

公民科學正在改變哪些研究成果

天文學、生態學、大氣科學和地震學現在都將公眾貢獻的數據作為常規輸入，而不是新事物。

• 天文學。 Galaxy Zoo 的多個新子項目，包括 Clump Scout 和圍繞 ASKAP EMU 巡天建立的 Radio Galaxy Zoo，不斷將原始分類模型擴展到新的儀器和波長，而 Roman Galaxy Zoo 則致力於處理來自尚未發射的太空望遠鏡的圖像。
• 入侵物種追蹤。 上文提到的法國臭蟲調查記錄了該害蟲從 2012 年到 2019 年在全國的蔓延情況，產生了物候和棲息地數據，而僅憑實地考察，研究團隊無法在如此大的地理範圍內收集到這些數據。
• 空氣質量。 歐洲各地協調一致的低成本感測器網路現在可以將數據輸入評估系統，而監管機構以前僅限於使用官方參考級儀器進行評估。
• 地震預警。 MyShake 由加州大學柏克萊分校開發，利用志工智慧型手機中已有的加速計來偵測震動，現在作為美國地質調查局 ShakeAlert 系統的一部分，向公眾發出警報，該系統覆蓋美國西海岸。
• 城市生態學。 2026 年的一項研究招募了社區園丁作為合作公民科學家，以測量城市花園中的授粉服務，將照料這些地塊的人視為共同研究人員，而不僅僅是數據來源。
• 人工智慧輔助身分識別。 2026 年的一項研究調查了基於公民貢獻照片的 AI 植物識別的準確性驅動因素，這種圖像處理流程與 iNaturalist 的 Seek 和 Merlin Bird ID 等應用程式的照片識別功能所採用的圖像處理流程相同。

即使沒有2026年的新數據支持，兩個長期運作的志工氣象和災害監測網絡也值得一提。美國國家海洋暨大氣總署（NOAA）的SKYWARN計畫仍在培訓志工風暴觀測員，他們直接向國家氣象局報告惡劣天氣；而社區合作雨、冰雹和雪網絡（CCRNSN）仍在協調北美各地的志願者降水測量工作。這兩個項目都早於上述大多數基於應用程式的平台，並且仍然是國家氣象局填補官方監測站空白的重要手段。這類計畫的研究成果通常會先以會議海報或預印本的形式發布，比同儕審查版本早幾個月。

公民科學研究中的倫理、知情同意和資料所有權

公民科學方案提出的知情同意問題與標準的人體受試者研究有所不同，因為志願者通常是研究工具而非研究對象。但這種區別並不意味著可以忽略知情同意的重要性。例如，如果未經概括性說明就發布帶有位置標籤的野生動物觀測數據，可能會將瀕危物種的坐標暴露給偷獵者，這與人體受試者研究中透過數據匿名化技術解決的問題類似。即使志願者是在報告自身情況而非被他人觀察，症狀追蹤或與健康相關的公民科學應用程式也會收集個人資料。上傳到公共平台的照片也可能無意中將可識別的人物或私人財產納入畫面。

一份站得住腳的方案會在招募開始前以書面形式規定幾件事，而不是在資料收集結束後才規定。

• 志工會被告知他們貢獻的數據以及與之相關的任何個人資訊將如何儲存、共享，以及最終如何發布或存檔。
• 誰擁有最終資料集的所有權，以及採用何種授權協議，因為大多數學術公民科學平台預設採用開放授權協議，而大學的授權協議則不然。 數據共享 政策可能完全預見，也可能無法完全預見。
• 對於敏感物種或地點，在公開發布之前是否需要降低定位精度？
• 將如何向機構審查委員會描述該項目，因為即使是看似非正式的項目，仍然會產生有關參與其中的人員的可識別數據。

留住志工既是倫理問題，也是方法論問題。因為一個計畫如果招募了志工卻無法維持他們的興趣，這不僅是設計問題，更是對人們時間的浪費，對雙方都沒有回報。一項2026年針對英國土壤生物多樣性計畫「蚯蚓觀察」（Earthworm Watch）的研究發現，在1,678名註冊者中，問卷的總體回覆率僅為12.75%，且回覆率在不同年齡或性別之間沒有顯著差異，郵寄紙本調查包也未能帶來可衡量的提升。只有計畫工作人員的直接聯繫，而非自動提醒或紙本問卷，與更高的完成率有顯著相關。

建構經得起同儕審查的公民科學協議

一個切實可行的方案會將志工訓練和資料驗證納入研究設計，而不是在提交前才匆忙添加的附加環節。要做到這一點，通常需要一個小型跨領域研究團隊，因為單一首席研究員很少能同時具備一個優秀方案所需的調查設計、統計學和社區推廣技能。

• 招募前先編寫培訓教材。 即使是展示常見錯誤識別或測量誤差的簡短模組，也能顯著提高首次提交的數據質量，並為方法部分提供具體的描述內容。
• 預先決定驗證層級。 每筆記錄都需要像 iNaturalist 的研究等級系統那樣進行獨立驗證，還是像 Zooniverse 式的項目一樣，採用多個分類器之間的統計共識閾值即可？這項決定應該在預註冊或協議中明確，而不是在討論部分。
• 從一開始就要做好人員流失的準備。 鑑於即使是運作良好的項目，其回報率也可能低於 15%，因此目標樣本量需要納入招募倍增器，並且員工聯繫點需要納入保留計劃，而不是被視為可有可無的。
• 預留專家審核時間。 高於原始自我報告的每一個驗證層級仍然需要專業人員來仲裁分歧並審核「已確認」記錄的樣本，而這些時間必須出現在撥款預算中，而不是非正式地被吸收。

削弱公眾參與數據的常見陷阱

有些失敗模式在不同學科中反覆出現，而且大多數失敗模式都源自於協議漏洞，而不是人為錯誤。

• 人口結構偏差。 許多長期項目的參與者往往已經具備高於平均水平的科學背景或興趣，這可能會影響報告的內容和報告地點，尤其是對於那些依賴主觀判斷而不是固定清單的項目而言。
• 人員損耗被視為腳註。 一項以註冊但從未做出貢獻的參與者為研究對象的調查，由於這種現象非常普遍，研究人員已經就「不參與」本身作為一種值得研究的現象發表了論文，除非從一開始就在招募過程中考慮到這一點，否則該調查的樣本量將達不到計劃的目標。
• 沒有驗證層級的辨識錯誤。 為了節省成本而跳過共識或專家評審，是期刊審查者直接拒絕公民科學衍生資料集最常見的原因。
• 缺少元資料。 提交時留空的位置、時間戳或裝置精確度欄位通常無法在以後重建，這會悄悄地將可用資料集縮小到遠低於原始提交計數。

如何參與公民科學，面向志工和研究團隊

如今，想要參與志工服務的人比以往任何時候都擁有更多途徑。 SciStarter 和 CitizenScience.gov 都允許新志工按主題、地點和時間投入進行篩選，而無需逐個平台搜尋。觀鳥愛好者可以透過當地的奧杜邦協會分會參與聖誕節鳥類統計活動，或全年透過 eBird 及其配套的鳥類識別應用程式 Merlin Bird ID 提交鳥類清單。任何擁有智慧型手機相機的人都可以開始在 iNaturalist 上記錄野生動物觀察結果，而太空天氣愛好者可以透過 Aurorasaurus 報告極光觀測結果。 NASA 也維護自己的入口網站，用於發布 Zooniverse 和其他平台上的太空計畫。

對於考慮開展公民科學計畫的研究團隊來說，實際操作起來比想像中簡單得多。在撰寫專案申請書中描述專案之前，先起草一份一頁紙的方案，內容涵蓋驗證層級、知情同意和資料所有權條款以及培訓資料。儘早將專案發佈到 SciStarter 或 CitizenScience.gov 等平台，因為這兩個平台都能將新專案推送給已有參與記錄的志工群體。此外，發布志工招募資訊也是利用社群媒體進行研究傳播的關鍵所在，因為僅靠專案頁面很難觸達足夠多的人，從而獲得有意義的樣本量。

如何讓你的公民科學研究成果做好發表準備

撰寫基於公民科學的研究報告會提出一些標準方法範本無法充分涵蓋的特殊要求。審查者會詢問記錄是如何驗證的、評分者間一致性或研究等級閾值是多少、如何處理樣本流失以及如何管理知情同意和資料許可，這些通常比傳統的單中心研究要求的更為詳細。 Editverse 的學術編輯和方法論審稿人已為生態學、公共衛生和物理科學等領域基於眾包和公眾參與數據集的論文提供支持，並能幫助構建方法和數據可用性部分，以便以審稿人期望的方式呈現驗證證據。研究人員在提交包含公民科學內容的論文之前，可以先了解 Editverse 的論文編輯和期刊格式支援服務，並結合開放取用出版途徑，使參與論文產生的志工能夠看到最終成果。

結論：公民科學的下一個篇章

公民科學如今的地位並非僅僅依靠參與人數，而是透過有據可查的驗證方法、已發表的研究成果以及認真對待這一實踐的法律框架才得以確立。由300萬Zooniverse志工或3億iNaturalist觀測資料建構的資料集，其科學價值僅在於有人能夠證明如何過濾掉雜訊。這是任何新專案從最初的設計會議開始就必須達到的標準，而不是在資料收集結束後才進行補救。公民科學在從結構生物學到大氣科學等日益增長的領域中持續獲得認可，正是這一點使其從一項公共宣傳活動發展成為一種擁有自身文獻、自身缺陷模式以及自身真實成果記錄的研究方法——而這些成果在其他情況下是無法獲得的。