@第{hochachka_data-intensive_2012条，abstract={在广阔的时空范围内确定生态模式需要新的方法和手段用于获取、集成和建模大量不同的数据。例如，越来越多的研究项目持续参与志愿者网络（“公民科学家”）收集物种发生数据。尽管这些数据信息丰富，但它们在项目中带来了许多挑战设计、实施和分析，包括：开发数据收集工具，最大化数据数量，同时保持高标准的数据质量，并应用新的分析和可视化技术，可以准确地揭示这些数据中的模式。在这里，我们描述了数据密集型科学的进步如何通过识别复杂的环境来准确估计大陆尺度上的物种分布关联。}，添加至={2017-01-09T13:57:26.000+0100}，作者={Hochachka，W.M.和Fink，D.和Hutchinson，R.A.和Sheldon，D.和Wong，W.K.和Kelling，S.}，biburl={https://www.bibsonomy.org/bibtex/23d727f70ab877a5b2e76f74d38dc5a34/yourwelcome}，doi={10.1016/j.tree.2011.111.006}，interhash={6796c1d4edc6dff37ac0c28e9916c517}，内部散列={3d727f70ab877a5b2e76f74d38dc5a34}，journal={生态与进化趋势}，keywords={学习，机器公民数据，可检测性，分布生态信息学，效应，误差，建模观察者占用过程回归科学，物种树，}，数字=2，页数={130--137}，时间戳={2017-01-09T14:01:11.000+0100}，title={数据密集型科学应用于大规模公民科学}，体积=27，年份=2012}