5.4.1 eBird

eBird birders ਤੱਕ ਪੰਛੀ ਤੇ ਡਾਟਾ ਇਕੱਠਾ ਕਰਦਾ ਹੈ; ਵਲੰਟੀਅਰਾਂ ਵੱਲੋਂ ਇਕ ਪੈਮਾਨੇ ਪ੍ਰਦਾਨ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ ਜੋ ਕੋਈ ਖੋਜ ਟੀਮ ਮੇਲ ਨਹੀਂ ਖਾ ਸਕਦੀ.

ਪੰਛੀ ਹਰ ਥਾਂ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਪੰਛ-ਵਿਗਿਆਨੀ ਇਹ ਜਾਣਨਾ ਚਾਹੁੰਦੇ ਹਨ ਕਿ ਹਰ ਪੰਛੀ ਹਰ ਪਲ ਤੇ ਕੀ ਹੁੰਦਾ ਹੈ. ਅਜਿਹੇ ਇੱਕ ਸੰਪੂਰਨ ਡੈਟਾ ਸੈੱਟ ਨੂੰ ਦੇਖਦੇ ਹੋਏ, ਪੁਰਾਤਨ ਵਿਗਿਆਨੀ ਆਪਣੇ ਖੇਤਰ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਬੁਨਿਆਦੀ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਸੰਬੋਧਤ ਕਰ ਸਕਦੇ ਹਨ. ਬੇਸ਼ਕ, ਇਹ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨਾ ਕਿਸੇ ਖਾਸ ਖੋਜਕਰਤਾ ਦੇ ਘੇਰੇ ਤੋਂ ਬਾਹਰ ਹੈ ਇਸੇ ਸਮਾਂ ਤੇ ਪੰਛੀਮਾਰਕ ਚਾਹੁੰਦੇ ਹਨ ਕਿ ਵਧੇਰੇ ਜਾਣਕਾਰੀ, "ਪੰਛੀ" -ਜਿਹੇ ਲੋਕ ਜੋ ਪੰਛੀਆਂ ਨੂੰ ਮਜ਼ੇਦਾਰ ਦੇਖਣ ਲਈ ਜਾਂਦੇ ਹਨ ਉਹ ਲਗਾਤਾਰ ਪੰਛੀਆਂ ਨੂੰ ਵੇਖਦੇ ਰਹਿੰਦੇ ਹਨ ਅਤੇ ਉਹ ਜੋ ਉਹ ਦੇਖਦੇ ਹਨ ਉਹ ਦਸਤਾਵੇਜ਼ ਬਣਾ ਰਹੇ ਹਨ. ਇਹ ਦੋ ਭਾਈਚਾਰਿਆਂ ਦਾ ਸਹਿਯੋਗ ਕਰਨ ਦਾ ਇੱਕ ਲੰਮਾ ਇਤਿਹਾਸ ਹੈ, ਪਰ ਹੁਣ ਇਹ ਕਾੱਪੀਰਪੋਰਟਾਂ ਡਿਜੀਟਲ ਦੀ ਉਮਰ ਦੁਆਰਾ ਪਰਿਵਰਤਿਤ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ. ਈਬਰਡ ਇੱਕ ਡਿਸਟਰੀਬਿਊਟਿਡ ਡੈਟਾ ਇਕੱਤਰਣ ਪ੍ਰੋਜੈਕਟ ਹੈ ਜੋ ਦੁਨੀਆ ਭਰ ਦੇ ਚਿੜੀਆਂ ਤੋਂ ਜਾਣਕਾਰੀ ਮੰਗਦਾ ਹੈ, ਅਤੇ ਇਹ 250,000 ਭਾਗੀਦਾਰਾਂ (Kelling, Fink, et al. 2015) ਤੋਂ ਪਹਿਲਾਂ ਹੀ 260 ਮਿਲੀਅਨ ਪੰਛੀ ਨਜ਼ਰ ਆ ਰਿਹਾ ਹੈ.

ਈਬਰਡ ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਪਹਿਲਾਂ, ਪੰਛੀਆਂ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਜ਼ਿਆਦਾਤਰ ਡੇਟਾ ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਉਪਲੱਬਧ ਨਹੀਂ ਸਨ:

"ਦੁਨੀਆਂ ਭਰ ਵਿਚ ਹਜ਼ਾਰਾਂ ਕੋਠਰੀਆਂ ਵਿਚ ਅਣਗਿਣਤ ਨੋਟਬੁੱਕ, ਇੰਡੈਕਸ ਕਾਰਡ, ਐਨੋਟੇਟਾਈਡ ਚੈੱਕਲਿਸਟ ਅਤੇ ਡਾਇਰੀਆਂ ਹਨ. ਸਾਡੇ ਵਿੱਚੋਂ ਜਿਹੜੇ ਪੰਛੀ ਸੰਸਥਾਵਾਂ ਨਾਲ ਜੁੜੇ ਹੋਏ ਹਨ, ਉਹ ਜਾਣਦੇ ਹਨ ਕਿ 'ਮੇਰੇ ਅੰਤਿਮ ਚਾਚੇ ਦੇ ਪੰਛੀ ਰਿਕਾਰਡ' ਬਾਰੇ ਅਤੇ ਫਿਰ ਤੋਂ ਵਾਰ-ਵਾਰ ਸੁਣਨ ਦਾ ਨਿਰਾਸ਼ਾ ਸਾਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਜਾਣਦਾ ਹੈ ਕਿ ਉਹ ਕਿੰਨੇ ਕੀਮਤੀ ਹੋ ਸਕਦੇ ਹਨ. ਅਫ਼ਸੋਸ ਦੀ ਗੱਲ ਹੈ ਕਿ, ਅਸੀਂ ਇਹ ਵੀ ਜਾਣਦੇ ਹਾਂ ਕਿ ਅਸੀਂ ਇਨ੍ਹਾਂ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰ ਸਕਦੇ ਹਾਂ. " (Fitzpatrick et al. 2002)

ਇਸ ਕੀਮਤੀ ਡਾਟੇ ਨੂੰ ਨਾ ਵਰਤੇ ਜਾਣ ਦੀ ਬਜਾਏ, ਈਬਰਡਿਡ ਬਰਡਰਾਂ ਨੂੰ ਇੱਕ ਕੇਂਦਰੀ, ਡਿਜੀਟਲ ਡਾਟਾਬੇਸ ਵਿੱਚ ਅਪਲੋਡ ਕਰਨ ਲਈ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ. ਈਬਰਡ ਤੇ ਅਪਲੋਡ ਕੀਤੇ ਗਏ ਡੇਟਾ ਵਿੱਚ ਛੇ ਕੁੰਜੀ ਖੇਤਰ ਹਨ: ਕੌਣ, ਕਿੱਥੇ, ਕਦੋਂ, ਕਿਹੜੀ ਸਪੀਸੀਜ਼, ਕਿੰਨੇ ਅਤੇ ਜਤਨ ਗੈਰ-ਪੰਛੀ ਪਾਠਕਾਂ ਲਈ, "ਕੋਸ਼ਿਸ਼" ਤੋਂ ਭਾਵ ਨਿਰੀਖਣ ਕਰਨ ਵੇਲੇ ਵਰਤੇ ਗਏ ਢੰਗਾਂ ਨੂੰ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ. ਡੇਟਾ ਗੁਣਵੱਤਾ ਜਾਂਚਾਂ ਨੂੰ ਡੇਟਾ ਅੱਪਲੋਡ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਅਰੰਭ ਹੁੰਦਾ ਹੈ ਅਜੀਬ ਰਿਪੋਰਟਾਂ ਪੇਸ਼ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਬਰਡਰਾਂ- ਜਿਵੇਂ ਬਹੁਤ ਹੀ ਦੁਰਲੱਭ ਪ੍ਰਜਾਤੀਆਂ ਦੀਆਂ ਰਿਪੋਰਟਾਂ, ਬਹੁਤ ਜ਼ਿਆਦਾ ਗਿਣਤੀ ਜਾਂ ਸੀਜ਼ਨ ਦੀਆਂ ਰੀਪੋਰਟਾਂ - ਫਲੈਗ ਕੀਤੇ ਗਏ ਹਨ ਅਤੇ ਵੈਬਸਾਈਟ ਨੇ ਆਟੋਮੈਟਿਕਲੀ ਵਾਧੂ ਜਾਣਕਾਰੀ ਦੀ ਬੇਨਤੀ ਕੀਤੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਫੋਟੋਆਂ. ਇਸ ਵਧੀਕ ਜਾਣਕਾਰੀ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਹੋਰ ਸਮੀਖਿਆ ਲਈ ਸੈਂਕੜੇ ਵਲੰਟੀਅਰ ਖੇਤਰੀ ਮਾਹਰਾਂ ਨੂੰ ਫਲੈਗ ਕੀਤੇ ਰਿਪੋਰਟਾਂ ਭੇਜੇ ਜਾਂਦੇ ਹਨ. ਖੇਤਰੀ ਮਾਹਿਰਾਂ ਦੀ ਤਫ਼ਤੀਸ਼ ਤੋਂ ਬਾਅਦ- ਬਿਰਡਰ ਨਾਲ ਸੰਭਵ ਵਾਧੂ ਪੱਤਰ-ਵਿਹਾਰ ਸਮੇਤ ਫਲੈਗ ਕੀਤੇ ਰਿਪੋਰਟਾਂ ਜਾਂ ਤਾਂ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹਨ ਜਾਂ ਈਬਰਡ ਡੇਟਾਬੇਸ (Kelling et al. 2012) ਦਾਖਲ ਹਨ. ਸਕ੍ਰੀਨਿੰਗ ਦੇ ਨਿਰੀਖਣਾਂ ਦੇ ਇਸ ਡੇਟਾਬੇਸ ਨੂੰ ਫਿਰ ਇੰਟਰਨੈਟ ਕਨੈਕਸ਼ਨ ਦੇ ਨਾਲ ਦੁਨੀਆ ਦੇ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਲਈ ਉਪਲਬਧ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ, ਹੁਣ ਤੱਕ ਲਗਭਗ 100 ਪੀਅਰ-ਸਮੀਖਿਆ ਕੀਤੇ ਪ੍ਰਕਾਸ਼ਨਾਂ ਨੇ ਇਸਦਾ ਉਪਯੋਗ ਕੀਤਾ ਹੈ (Bonney et al. 2014) . ਈਬਰਡ ਸਾਫ ਤੌਰ ਤੇ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਵਲੰਟੀਅਰ ਪੰਛੀ ਉਹ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਦੇ ਯੋਗ ਹਨ ਜੋ ਅਸਲ ਪੰਛ-ਵਿਗਿਆਨੀ ਖੋਜ ਲਈ ਉਪਯੋਗੀ ਹਨ.

ਈਬਰਡਡੀ ਦੀ ਇਕ ਸੁੰਦਰਤਾ ਇਹ ਹੈ ਕਿ ਇਹ "ਕੰਮ" ਜੋ ਪਹਿਲਾਂ ਹੀ ਹੋ ਰਿਹਾ ਹੈ - ਇਸ ਕੇਸ ਵਿਚ, ਬਰਡਿੰਗ. ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਬਹੁਤ ਵੱਡਾ ਪੈਮਾਨੇ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ. ਪਰ, ਪੰਛੀਆਂ ਦੁਆਰਾ ਕੀਤੇ ਗਏ "ਕੰਮ" ਪੰਛੀ ਵਿਗਿਆਨੀਆਂ ਦੁਆਰਾ ਲੋੜੀਂਦੇ ਡੇਟਾ ਨਾਲ ਬਿਲਕੁਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦਾ. ਉਦਾਹਰਨ ਲਈ, ਈਬਰਡ ਵਿੱਚ, ਡਾਟਾ ਇਕੱਠਾ ਕਰਨਾ ਬਰਡਰਾਂ ਦੀ ਸਥਿਤੀ ਦੁਆਰਾ ਨਿਸ਼ਚਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਪੰਛੀਆਂ ਦੀ ਸਥਿਤੀ ਨਹੀਂ. ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ, ਉਦਾਹਰਨ ਲਈ, ਜ਼ਿਆਦਾਤਰ (Kelling et al. 2012; Kelling, Fink, et al. 2015) ਸੜਕਾਂ ਦੇ ਨੇੜੇ ਵਾਪਰਦੀਆਂ ਹਨ (Kelling et al. 2012; Kelling, Fink, et al. 2015) . ਸਪੇਸ ਤੋਂ ਉਪਰਾਲੇ ਦੇ ਇਸ ਅਸਮਾਨ ਵੰਡਣ ਤੋਂ ਇਲਾਵਾ, ਪੰਛੀਆਂ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਅਸਲ ਨਿਰੀਖਣ ਹਮੇਸ਼ਾ ਆਦਰਸ਼ ਨਹੀਂ ਹੁੰਦੇ. ਉਦਾਹਰਨ ਲਈ, ਕੁਝ ਪੰਛੀ ਸਿਰਫ ਉਹ ਸਪੀਸੀਜ਼ ਬਾਰੇ ਜਾਣਕਾਰੀ ਅੱਪਲੋਡ ਕਰਦੇ ਹਨ ਜੋ ਉਹ ਦਿਲਚਸਪ ਹਨ, ਉਹਨਾਂ ਦੀ ਪਾਲਣਾ ਕੀਤੇ ਜਾਣ ਵਾਲੀਆਂ ਸਾਰੀਆਂ ਕਿਸਮਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੀ ਬਜਾਏ.

ਈਬਰਡ ਖੋਜਕਰਤਾਵਾਂ ਦੇ ਇਹਨਾਂ ਡਾਟਾ ਗੁਣਵੱਤਾ ਮੁੱਦਿਆਂ ਦੇ ਦੋ ਮੁੱਖ ਹੱਲ ਹੁੰਦੇ ਹਨ - ਜਿਹੜੇ ਹੋਰ ਡਿਸਟਰੀਬਿਊਟਡ ਡਾਟਾ ਇਕੱਤਰ ਪ੍ਰਾਜੈਕਟਾਂ ਵਿਚ ਸਹਾਇਕ ਹੋ ਸਕਦੇ ਹਨ. ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਈਬਰਡ ਖੋਜਕਰਤਾ ਪੰਡਿਅਰ ਦੁਆਰਾ ਜਮ੍ਹਾ ਕੀਤੇ ਗਏ ਡਾਟੇ ਦੀ ਗੁਣਵੱਤਾ ਨੂੰ ਵਧਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ. ਉਦਾਹਰਨ ਲਈ, ਈਬਰਡਡ ਭਾਗ ਲੈਣ ਵਾਲਿਆਂ ਨੂੰ ਸਿੱਖਿਆ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਅਤੇ ਇਸ ਨੇ ਹਰੇਕ ਭਾਗੀਦਾਰ ਦੇ ਡੈਟਾ ਲਈ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਤਿਆਰ ਕੀਤੀ ਹੈ, ਜੋ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਡਿਜ਼ਾਇਨ ਦੁਆਰਾ, ਬਿੱਡੀਆਂ ਨੂੰ ਉਨ੍ਹਾਂ ਸਾਰੀਆਂ ਪ੍ਰਜਾਤੀਆਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਅੱਪਲੋਡ ਕਰਨ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰਦੇ ਹਨ ਜੋ ਉਹਨਾਂ ਨੇ ਸਿਰਫ ਸਭ ਤੋਂ ਦਿਲਚਸਪ ਨਹੀਂ (Wood et al. 2011; Wiggins 2011) . ਦੂਜਾ, ਈਬਰਡ ਖੋਜਕਰਤਾ ਅੰਕੜਾ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਜੋ ਕੱਚੇ ਡੇਟਾ ਦੇ ਰੌਲੇ ਅਤੇ ਵਿਵਹਾਰਕ ਸੁਭਾਅ (Fink et al. 2010; Hurlbert and Liang 2012) ਲਈ ਠੀਕ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ. ਹਾਲੇ ਇਹ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੈ ਕਿ ਇਹ ਅੰਕੜਾ ਮਾਡਲ ਪੂਰੀ ਤਰ੍ਹਾਂ ਡਾਟਾ ਤੋਂ ਬੁਰਾਈਆਂ ਨੂੰ ਦੂਰ ਕਰਦਾ ਹੈ ਪਰੰਤੂ ਪੱਥਰੀ ਵਿਗਿਆਨੀ ਐਜਸਟੈਂਡਡ ਈਬਰਡ ਡੇਟਾ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਕਾਫ਼ੀ ਵਿਸ਼ਵਾਸ ਰੱਖਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਪਹਿਲਾਂ ਜ਼ਿਕਰ ਕੀਤਾ ਗਿਆ ਸੀ, ਲਗਭਗ 100 ਪੀਅਰ-ਸਮੀਖਿਆ ਕੀਤੀ ਗਈ ਵਿਗਿਆਨਕ ਪ੍ਰਕਾਸ਼ਨਾਂ ਵਿੱਚ ਇਹ ਡਾਟਾ ਵਰਤਿਆ ਗਿਆ ਹੈ.

ਕਈ ਗ਼ੈਰ-ਔਰਨਟੌਲੋਜਿਸਟ ਸ਼ੁਰੂਆਤ ਵਿਚ ਬਹੁਤ ਸ਼ੱਕ ਕਰਦੇ ਹਨ ਜਦੋਂ ਉਹ ਪਹਿਲੀ ਵਾਰੀ ਈਬਰਡ ਬਾਰੇ ਸੁਣਦੇ ਹਨ. ਮੇਰੇ ਵਿਚਾਰ ਵਿਚ, ਇਸ ਸ਼ੰਕਾਵਾਦੀ ਦਾ ਹਿੱਸਾ ਈਬਰਡ ਬਾਰੇ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਸੋਚਣ ਤੋਂ ਆਉਂਦਾ ਹੈ. ਬਹੁਤ ਸਾਰੇ ਲੋਕ ਪਹਿਲਾਂ ਸੋਚਦੇ ਹਨ "ਕੀ ਈਬਰਡ ਡੇਟਾ ਸੰਪੂਰਣ ਹੈ?", ਅਤੇ ਜਵਾਬ ਬਿਲਕੁਲ "ਨਹੀਂ" ਹੈ. ਹਾਲਾਂਕਿ, ਇਹ ਸਹੀ ਸਵਾਲ ਨਹੀਂ ਹੈ. ਸਹੀ ਸਵਾਲ ਇਹ ਹੈ ਕਿ "ਕੁਝ ਖੋਜ ਪ੍ਰਸ਼ਨਾਂ ਲਈ, ਮੌਜੂਦਾ ਪੱਤਰੀ ਦੇ ਅੰਕੜੇ ਨਾਲੋਂ ਈਬਰਡ ਡੇਟਾ ਵਧੀਆ ਹੈ?" ਇਸ ਸਵਾਲ ਦਾ ਜਵਾਬ "ਨਿਸ਼ਚਿਤ ਤੌਰ 'ਤੇ ਹਾਂ" ਹੈ, ਕਿਉਂਕਿ ਇਹ ਹਿੱਤ ਦੇ ਬਹੁਤ ਸਾਰੇ ਸਵਾਲਾਂ ਲਈ - ਜਿਵੇਂ ਕਿ ਵੱਡੇ ਪੱਧਰ ਦੇ ਮੌਸਮੀ ਪ੍ਰਵਾਸ ਬਾਰੇ ਪ੍ਰਸ਼ਨ -ਵੰਡਿਆ ਡਾਟਾ ਇਕੱਤਰ ਕਰਨ ਲਈ ਕੋਈ ਯਥਾਰਥਿਕ ਵਿਕਲਪ ਨਹੀਂ ਹਨ

ਈਬਰਡ ਪ੍ਰੋਜੈਕਟ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਮਹਤੱਵਪੂਰਣ ਵਿਗਿਆਨਕ ਡਾਟਾ ਇਕੱਤਰ ਕਰਨ ਵਿੱਚ ਵਲੰਟੀਅਰਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ ਸੰਭਵ ਹੈ. ਹਾਲਾਂਕਿ, ਈਬਰਡ, ਅਤੇ ਸੰਬੰਧਿਤ ਪ੍ਰਾਜੈਕਟ, ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਸੈਂਪਲਿੰਗ ਅਤੇ ਡਾਟਾ ਕੁਆਲਿਟੀ ਨਾਲ ਸੰਬੰਧਿਤ ਚੁਣੌਤੀਆਂ ਵਿਤਰਿਤ ਡਾਟਾ ਇਕੱਤਰ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਚਿੰਤਾਵਾਂ ਹਨ ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਅਗਲੇ ਭਾਗ ਵਿੱਚ ਵੇਖਾਂਗੇ, ਹਾਲਾਂਕਿ, ਹੁਸ਼ਿਆਰ ਡਿਜ਼ਾਈਨ ਅਤੇ ਤਕਨਾਲੋਜੀ ਦੇ ਨਾਲ, ਇਹਨਾਂ ਚਿੰਤਾਵਾਂ ਨੂੰ ਕੁਝ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਘੱਟ ਤੋਂ ਘੱਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ.