5.4.1 eBird

ઈબર્ડ પક્ષીઓના પક્ષીઓ પર માહિતી એકત્રિત કરે છે; સ્વયંસેવકો કોઈ સ્કેલ આપી શકે છે જે કોઈ સંશોધન ટીમ મેળ ખાતી નથી.

પક્ષીઓ બધે જ હોય ​​છે, અને પંડિતવિદ્યાર્થીઓ જાણે છે કે દરેક પક્ષી દરેક ક્ષણે છે. આવા સંપૂર્ણ ડેટાસેટને જોતાં, પંડિતવિદ્યાર્થીઓ તેમના ક્ષેત્રમાં ઘણા મૂળભૂત પ્રશ્નોને સંબોધિત કરી શકે છે. અલબત્ત, આ ડેટાને એકત્રિત કરવું કોઈ પણ વિશિષ્ટ સંશોધકના અવકાશથી બહાર છે તે જ સમયે પંડિતવિજ્ઞાની વધુ સમૃદ્ધ અને વધુ સંપૂર્ણ માહિતી ઇચ્છે છે, "બર્ડર્સ" -જે લોકો પક્ષી જુએ છે તે આનંદ માટે જુએ છે- તે પક્ષીઓની નિરીક્ષણ કરી રહ્યાં છે અને તેઓ શું જુએ છે તેનું દસ્તાવેજીકરણ કરે છે. આ બે સમુદાયોનો સહયોગ થવાનો લાંબો ઇતિહાસ છે, પરંતુ હવે આ જોડાણ ડિજિટલ વય દ્વારા રૂપાંતરિત કરવામાં આવ્યું છે. ઇબર્ડ એક વિતરણ ડેટા સંગ્રહ પ્રોજેક્ટ છે જે વિશ્વભરના પક્ષીઓને માહિતી શોધે છે, અને તે 250,000 પ્રતિભાગીઓ (Kelling, Fink, et al. 2015) થી 260 મિલિયન પક્ષી નિરીક્ષણ પર પહેલાથી જ પ્રાપ્ત થઈ છે.

EBird ની રજૂઆત પહેલાં, બર્ડરો દ્વારા બનાવાયેલ મોટાભાગના ડેટા સંશોધકો માટે અનુપલબ્ધ હતા:

"દુનિયાભરમાં હજ્જારો કોટડીઓ આજે અગણિત નોટબુક્સ, ઇન્ડેક્સ કાર્ડ્સ, એનોટેટેડ ચેકલિસ્ટ્સ અને ડાયરીઓ ધરાવે છે. અમને જે પક્ષી સંસ્થાઓ સાથે સંકળાયેલા છે તે સારી રીતે મારા 'કાકાના પક્ષીના વિક્રમો' વિશે વધુ સુનાવણીની નિરાશા સારી રીતે જાણે છે [એસઆઈસી] અમને ખબર છે કે તેઓ કેવી રીતે મૂલ્યવાન હોઇ શકે છે દુર્ભાગ્યે, અમે પણ જાણીએ છીએ કે અમે તેનો ઉપયોગ કરી શકતા નથી. " (Fitzpatrick et al. 2002)

આ મૂલ્યવાન માહિતીનો ઉપયોગ ન કર્યા હોવાને બદલે, eBird બર્ડીરને કેન્દ્રિત, ડિજિટલ ડેટાબેસમાં અપલોડ કરવા માટે સક્ષમ કરે છે. ઈ-બર્ડ પર અપલોડ કરેલી ડેટા છ કી ક્ષેત્રો ધરાવે છે: કોણ, ક્યાં, ક્યારે, કઈ પ્રજાતિઓ, કેટલા અને પ્રયત્નો. બિન-પક્ષી વાચકો માટે, "પ્રયત્નો" નિરીક્ષણો કરતી વખતે ઉપયોગમાં લેવાતી પદ્ધતિઓનો સંદર્ભ આપે છે. ડેટા ગુણવત્તા ચકાસણીઓ ડેટા અપલોડ થાય તે પહેલાં શરૂ થાય છે અસામાન્ય અહેવાલો રજૂ કરવાનો પ્રયાસ કરી રહેલા બર્ડર્સ- જેમ કે અત્યંત દુર્લભ પ્રજાતિઓના અહેવાલો, ખૂબ ઊંચી ગણતરીઓ, અથવા આઉટ-ઓફ-સિઝન રિપોર્ટ્સ-ફ્લેગ કરવામાં આવે છે, અને વેબસાઈટ આપમેળે વધારાની માહિતીની વિનંતી કરે છે, જેમ કે ફોટોગ્રાફ્સ. આ અતિરિક્ત માહિતી એકઠી કર્યા પછી, વધુ સમીક્ષા માટે સેંકડો સ્વયંસેવક પ્રાદેશિક નિષ્ણાતોના ફ્લેગ કરેલ રિપોર્ટ્સ મોકલવામાં આવે છે. પ્રાદેશિક નિષ્ણાતની તપાસ બાદ-બિરર્ડ સાથે સંભવિત વધારાના પત્રવ્યવહાર સહિત-ધ્વજાંકિત અહેવાલોને અવિશ્વસનીય તરીકે છોડવામાં આવે છે અથવા eBird ડેટાબેઝમાં દાખલ થાય છે (Kelling et al. 2012) . સ્ક્રીનીંગ અવલોકનોનો આ ડેટાબેઝ પછી ઇન્ટરનેટ કનેક્શન સાથે વિશ્વમાં કોઈને પણ ઉપલબ્ધ કરવામાં આવે છે, અને અત્યાર સુધીમાં, લગભગ 100 પીઅર-રીવ્યુ પ્રકાશનોએ તેનો ઉપયોગ કર્યો છે (Bonney et al. 2014) . eBird સ્પષ્ટ દર્શાવે છે કે સ્વયંસેવક પક્ષી પક્ષીઓ વાસ્તવિક ઓર્નિથોલોજી સંશોધન માટે ઉપયોગી છે તે માહિતી એકત્રિત કરવામાં સક્ષમ છે.

ઈબર્ડની પહેલાની એક એવી છે કે તે પહેલેથી જ થઈ રહ્યું છે તે "કાર્ય" મેળવે છે- આ કિસ્સામાં, બર્ડિંગ. આ સુવિધા પ્રોજેક્ટને એક વિશાળ સ્કેલ પ્રાપ્ત કરવા માટે સક્ષમ કરે છે. જો કે, પક્ષી દ્વારા કરવામાં આવેલું "કામ" ઓર્નિથોલોજિસ્ટ્સ દ્વારા જરૂરી ડેટા સાથે બરાબર મેળ ખાતું નથી. ઉદાહરણ તરીકે, ઈ-બર્ડમાં, ડેટા સંગ્રહ પક્ષીઓના સ્થાન દ્વારા નક્કી કરવામાં આવે છે, પક્ષીઓનું સ્થાન નથી. આનો અર્થ એ થયો કે, ઉદાહરણ તરીકે, મોટાભાગનાં નિરીક્ષણો રસ્તાઓ નજીક આવતા વલણ ધરાવે છે (Kelling et al. 2012; Kelling, Fink, et al. 2015) . જગ્યા ઉપરના પ્રયત્નોના આ અસમાન વિતરણ ઉપરાંત, બાઈડર દ્વારા કરવામાં આવેલા વાસ્તવિક અવલોકનો હંમેશા આદર્શ નથી. ઉદાહરણ તરીકે, કેટલાક બર્ડરો માત્ર પ્રજાતિઓ વિશેની માહિતી અપલોડ કરે છે, જે તે તમામ પ્રજાતિઓ પરની માહિતીને ધ્યાનમાં લેતાં નથી કે જે તેઓ રસપ્રદ માને છે.

ઇબેડ સંશોધકો પાસે આ ડેટા ગુણવત્તા મુદ્દાઓના ઉકેલોના બે મુખ્ય ઉકેલો છે, જે અન્ય વિતરણ ડેટા સંગ્રહનાં પ્રોજેક્ટ્સમાં મદદરૂપ થઈ શકે છે. પ્રથમ, ઈબર્ડ સંશોધકો બર્ડરો દ્વારા સબમિટ કરેલા ડેટાની ગુણવત્તા સુધારવા માટે સતત પ્રયાસ કરી રહ્યાં છે. ઉદાહરણ તરીકે, ઈબર્ર્ડ સહભાગીઓને શિક્ષણ આપે છે, અને તે દરેક સહભાગીના ડેટાના વિઝ્યુલાઇઝેશંસ બનાવ્યાં છે, જે તેમના ડિઝાઇન દ્વારા, બર્ડરોને બધી પ્રજાતિઓ વિશેની માહિતી અપલોડ કરવા માટે પ્રોત્સાહિત કરે છે, જે ફક્ત સૌથી વધુ રસપ્રદ નહીં (Wood et al. 2011; Wiggins 2011) . બીજું, ઈબર્ડ સંશોધકો આંકડાકીય મોડલનો ઉપયોગ કરે છે જે કાચા ડેટાના ઘોંઘાટ અને વિજાતીય સ્વભાવ માટે સુધારો કરવાનો પ્રયાસ કરે છે (Fink et al. 2010; Hurlbert and Liang 2012) . તે હજુ સુધી સ્પષ્ટ નથી કે આ આંકડાકીય મોડલ સંપૂર્ણપણે ડેટામાંથી પક્ષપાત દૂર કરે છે, પરંતુ પંડિતવિદ્યાર્થીઓ એડજસ્ટેડ eBird ડેટાની ગુણવત્તામાં વિશ્વાસ મૂકે છે, જેનો અગાઉ ઉલ્લેખ કરવામાં આવ્યો હતો, આ ડેટા લગભગ 100 પીઅર-સમીક્ષા વૈજ્ઞાનિક પ્રકાશનોમાં ઉપયોગમાં લેવાય છે.

ઘણા બિન-ઓર્નિથોલોજિસ્ટ શરૂઆતમાં અત્યંત સંશયાત્મક હોય છે જ્યારે તેઓ પહેલી વખત eBird વિશે સાંભળે છે. મારા મતે, આ નાસ્તિકતાનો ભાગ અયોગ્ય રીતે eBird વિશે વિચારીને આવે છે. ઘણા લોકો પહેલા "ઇબરડ ડેટા સંપૂર્ણ છે?" એવું લાગે છે, અને જવાબ "સંપૂર્ણપણે નથી." જો કે, તે સાચો પ્રશ્ન નથી. સાચો પ્રશ્ન "ચોક્કસ સંશોધન પ્રશ્નો માટે, હાલના ઓર્નિથોલોજી ડેટા કરતાં ઇ-બર્ડ ડેટા વધુ સારી છે?" તે પ્રશ્ન માટે જવાબ ચોક્કસપણે "ચોક્કસપણે હા" છે, કારણ કે રસના ઘણા પ્રશ્નો - જેમ કે મોટા પાયે મોસમી સ્થળાંતર અંગેના પ્રશ્નો વિતરણ ડેટા સંગ્રહ માટે કોઈ વાસ્તવિક વિકલ્પો નથી.

ઇબરડ પ્રોજેક્ટ દર્શાવે છે કે મહત્વપૂર્ણ વૈજ્ઞાનિક ડેટાના સંગ્રહમાં સ્વયંસેવકોને સામેલ કરવાનું શક્ય છે. જો કે, ઈબર્ડ, અને સંબંધિત પ્રોજેક્ટ, દર્શાવે છે કે નમૂના અને ડેટા ગુણવત્તા સંબંધિત પડકારો વિતરિત ડેટા કલેક્શન પ્રોજેક્ટ્સ માટેની ચિંતા છે. જેમ આપણે આગળના ભાગમાં જોશું, તેમ છતાં, હોંશિયાર ડિઝાઇન અને ટેક્નોલૉજી સાથે, આ ચિંતાઓ અમુક સેટિંગ્સમાં ઘટાડી શકાય છે.