新同行评审研究指出一个紧迫的空白:在公民科学中使用人工智能缺乏法律或伦理指导,包括训练数据的透明度
摘要
一项新的同行评审研究强调了在公民科学中使用人工智能时缺乏法律和伦理指导的关键问题,特别是关于训练数据的透明度,并提出了解决这一空白的建议。
暂无内容
查看缓存全文
缓存时间: 2026/07/02 14:35
# 增强公民科学以改善社会和生态成果的10条建议:21世纪挑战与机遇的共同分析
来源:https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0331161
- 加载指标
开放获取
同行评审
研究文章
- Håkon da Silva Hyldmo,
- Lauren McKnight,
- Heather McCulloch,
- Jennifer Lavers,
- Julie Old,
- Laura Smith,
- Nicola Grobler,
- Cheryl Tan Kay Yin,
- Wing Yan Chan,
- Candice Raeburn,
- Nittya S. M. Simard,
- Adam Kingsley Smith,
- Sam Van Holsbeeck,
- Eleanor Drinkwater,
- Kit Prendergast,
- Emma Burrows,
- [ ... ],
- Christopher L. Lawson
- [ 查看全部 ]
- [ 收起 ]
## 增强公民科学以改善社会和生态成果的10条建议:21世纪挑战与机遇的共同分析
- Jack S Nunn,
- Håkon da Silva Hyldmo,
- Lauren McKnight,
- Heather McCulloch,
- Jennifer Lavers,
- Julie Old,
- Laura Smith,
- Nicola Grobler,
- Cheryl Tan Kay Yin,
- Wing Yan Chan
PLOS
x
- 发表时间:2026年7月1日
- https://doi.org/10.1371/journal.pone.0331161
## 图表
## 摘要
公民科学在产生科学知识和支持环境及社会行动方面发挥着日益重要的作用。然而,其在应对复杂全球挑战方面的潜力仍未得到充分挖掘。本研究探讨了如何通过让公众参与科学研究的各个阶段来改进公民科学。采用参与式研究方法,通过在线调查和小组讨论,与研究人员、公民科学家和原住民参与者进行了交流。使用主题编码法来识别关键挑战、机遇和最佳实践,以增强公民科学倡议。此外,使用倡议标准化数据(STARDIT)报告工具报告了九个案例研究。研究确定了改进公民科学倡议中参与、投入和保持参与度的关键策略。研究结果强调了包容性、基于证据的方法的重要性,例如针对性外展、公平补偿、定制化支持和共同创造实践。确保数据质量和建立信任需要遵循FAIR数据原则(可查找、可访问、可互操作和可重用)、透明的验证和共享流程,以及建立合乎伦理的研究伙伴关系。持续的挑战包括短期资助,这破坏了项目的长期可持续性,以及缺乏对伦理和项目管理的集中支持。通过共同作者身份、标准化培训和专业发展机会正式认可以公民科学家,可以进一步加强参与并建设能力。最后,以人工智能和开放数据平台为代表的新兴技术,为扩大规模和提升效率提供了机遇,前提是需在适当的伦理保障和投资下实施。综合这些见解,我们为21世纪的公民科学提出了10条可行建议。这些建议强调了将公民科学嵌入国家研究基础设施、教育和政策中的重要性,同时辅以一致的评估和报告,以提高其包容性、持久性和影响力。最后,我们认为,在全球面临气候变化、公共卫生危机和生物多样性丧失的背景下,更广泛的公众参与科学是实现公平、高效和基于证据的应对措施的关键。
**引用:** Nunn JS, da Silva Hyldmo H, McKnight L, McCulloch H, Lavers J, Old J, 等.(2026) 增强公民科学以改善社会和生态成果的10条建议:21世纪挑战与机遇的共同分析. PLoS One 21(7): e0331161. https://doi.org/10.1371/journal.pone.0331161
**编辑:** Jamil Afzal, 马来西亚国际伊斯兰大学, 马来西亚
**收稿日期:** 2025年8月19日;**录用日期:** 2026年6月2日;**发表日期:** 2026年7月1日
**版权:** © 2026 Nunn 等. 这是一篇根据知识共享署名许可协议 (http://creativecommons.org/licenses/by/4.0/) 条款分发的开放获取文章,该协议允许在任何媒介上不受限制地使用、分发和复制,前提是注明原作者和来源。
**数据可用性:** 所有数据文件均可从开放科学框架数据库获取 (https://osf.io/mws4b/files/xczmv)。此外,本项目创建的所有STARDIT报告均可公开访问,其链接可在与本倡议相关的STARDIT报告中找到:STARDIT.wikimedia.org.au/wiki/0202407220511。
**资助信息:** 授予Science for All的项目资金由澳大利亚科学院通过澳大利亚公民科学协会的Theo Murphy Initiative提供。
**利益冲突:** 作者声明不存在任何竞争性利益。
## 引言
纵观历史,知识分享一直是一个参与式过程。《世界人权宣言》承认这一点,指出人人有权“通过任何媒介和不论国界,寻求、接受和传递信息和思想”[1]。然而,过去的一个世纪,受薪从事科学工作的人与学术界之外或无偿工作的人(包括公民科学家)之间的分野加剧[2-4]。公民科学是一个灵活的概念,但受清晰的 principles 和价值观指导。认识到公民科学的概念和术语的复杂性和灵活性,本文将“公民科学”定义为“公众在科学研究的任何阶段的积极参与,旨在增加科学知识,包括通过使用科学方法”[5]。
公民科学通常强调公众、非专业科学家和专业科学家之间的伙伴关系。这些伙伴关系旨在通过使科学过程更具包容性、可及性和影响力来使其民主化。然而,公民科学的概念并不仅限于“谁”是专业人士、谁被付薪、谁不被付薪的问题,也不仅限于研究的数据收集阶段。公民科学代表了一种开放的科学研究方法,使人们能够参与科学方法的各个阶段,包括识别知识空白和研究优先事项、提出研究问题、设计方法、收集和分析数据、评估研究、交流结果以及实施学到的内容[4]。
公民科学及其相关方法并不局限于某些学科领域,而是涵盖了健康、环境、教育科学等多样化的领域。在这些学科中,人们使用不同的语言来描述与公众分享权力和责任以及研究各阶段民主化的相同概念[6]。尽管公众参与健康研究和医疗保健的概念已在几十年前得到明确定义[7],但更精确的定义和方法论仍在不同学科中讨论和完善[8,9]。这包括健康研究[10]和“全健康”方法[11];环境研究[12,13];证据综合[14,15];城市规划[16];教育[17];法律[18];政策[19,20];以及经济和预算[21]。在这些学科中,区分科学知识(所知内容)、科学方法(如何回答问题)以及应用科学方法的具体工具是有益的。许多公民科学工具可跨学科应用。
当前的公民科学理念建立在一系列相关概念之上[9,22]。公民科学的一个核心概念是“批判教育学”,Paulo Freire将其定义为将“世界视为一个不断变化、不断转型的现实,而非静态的现实”[23]。这启发了“参与式行动研究”作为研究方法的一种途径的发展,其中“探究和行动的社群会演变并解决那些对作为共同研究者的参与者而言重要的问题和议题”[24]。其他关键概念是“开放科学”和“开放知识”运动[25]。这反映在联合国教育、科学及文化组织(UNESCO)的《开放科学建议书》中,该建议书承认“科学是一项属于全人类的全球公共产品”,旨在将“科学知识创造、评估和交流的过程向传统科学界之外的社会参与者开放”[26],使科学“更具可及性、包容性和透明度”,以便每个人都能“分享科学进步及其惠益”[27]。同样,世界卫生组织也指出了“有意义的全社会方法和社会参与”对于解决全民健康覆盖、健康和福祉问题的必要性[28]。
### 本讨论文章的动机
公民科学的好处多种多样且范围广泛,可以改善我们进行研究 and 理解宇宙的方式。公民科学可以加强公众参与和科学素养,改善专业科学家与公众之间的合作,赋予面临更大剥削风险的社区权力,激励人们学习和从事科学工作,并通过透明度和包容性建立公众对科学的信任[29-33]。它还可以改进大规模数据收集(例如改善生物多样性监测),促进环境管理,并支持在 various 学科中改进早期威胁检测。
为包容性公民科学创造有利条件对于项目成功至关重要。这些条件可以通过以下方式发展:通过培训和发展建设人员能力,发展机构伙伴关系,以及提供基础设施、长期资助和促进数据收集与分析的可及技术[9,34,35]。然而,以包容性实践启动和维持公民科学项目面临一系列挑战,包括确保数据质量、留住参与者,以及解决诸如知情同意和数据所有权等伦理问题[36]。其他挑战涉及包容性、沟通、资金,以及在科学严谨性与有意义的公众参与之间取得平衡[37-39]。
认识到这些机遇和障碍,本文旨在确定关键主题、挑战和解决方案,以推进和改善所有参与方的公民科学。为此,我们采用参与式行动研究方法,收集了来自专家、领域从业者和广大公众的观点和经验。这一过程使得我们能够共同探讨如何加强公民科学,以应对21世纪的社会和生态挑战。
## 方法
### 方法论框架
本研究采用参与式行动研究设计和混合方法分析。参与式行动研究涉及多个利益相关方参与研究的发展、实施和评估[40-42],使研究过程与本研究的主体焦点(即公民科学中的共同治理和共同生产)保持一致。我们在此使用“利益相关方”一词,包括具有个人、专业或财务利益的人,以及“利益持有者”,例如患者和受环境污染及气候变化影响的人[43]。本研究是与来自多个国家健康、环境和教育领域的公民科学专家共同创建的。参与者共同设计了调查问卷,贡献于数据分析,并共同撰写了最终的建议。混合方法方法整合了归纳式主题编码分析与数字叙事,以最大化参与式过程的深度和广度。通过结构化研究过程
相似文章
是否应该因担心恶意行为者而禁止公众访问极其强大的模型?开源是否鲁莽?
本文探讨了是否应限制对强大AI模型的访问以防止恶意行为者滥用,或将其开源以实现公平访问,权衡了权力集中与社会危害的风险。它建议采取折中方案,引用了Anthropic设置护栏的方法,但也承认了其局限性和权衡。
AI安全需要社会科学家
OpenAI主张AI安全研究中的价值对齐需要社会科学家的帮助,以解决人类认知偏差和不一致如何影响用于训练AI系统的数据的问题。该组织提议通过仅涉及人类的实验方法来发现对齐问题,然后再部署机器学习解决方案。
AI 在数据收集中如何遵循道德准则?
关于 AI 代理在生成爬虫时忽视 robots.txt 等网站规则的伦理挑战,以及 AI 提供商在不妨碍产品可用性的前提下实施护栏的责任的评论。
人们对AI生成内容/工作的透明度需要达到什么程度?
本文探讨了关于AI生成内容(如小说和网站)透明度的伦理问题,以及当AI被用于创意或商业工作时,消费者是否应当被告知。
对AI辅助同行评议的操纵给科学界带来新风险
一项新研究表明,AI辅助的同行评审易通过廉价手段被操控——仅需对论文摘要进行表面改写,即可显著提高AI生成的评审分数,并可能使人类编辑决策产生偏差,凸显了建立防护措施的必要性。