众包和公民科学概念

最近公民科学方法背后的理念是，通过将小任务分配给许多志愿者，并结合结果，可以完成大任务。活动包括观察（通常使用智能手机）、图像分类，但也包括更复杂的任务。例如公民科学项目，请参见zooniverse.org或citizenscience.org。这种分布式工作方式对应于“众包”（一种与“外包”和“群众”签约的文字游戏）其他领域的更广泛趋势，例如雇佣许多人使用在线平台执行任务。mTurk平台就是一个例子(网址：www.mturk.com)这是一个Amazon拥有的平台，用它自己的话来说，“让雇主和企业能够获得随需应变、可扩展的劳动力”。

众包包括创建一种机制，将大型任务分解为“微任务”，即一个人可以在短时间内完成的任务，以及创建检索和组合结果的机制，以完成最初的大型任务。在众包方法中，对单个任务的控制很弱。这项任务的巨大性质使得不可能检查每一项贡献。通常，众包方法具有内置冗余，因此每个或某些任务由多个参与者多次执行。通过检查答案的一致性，对不同参与者的结果进行比较和质量筛选。在这种情况下，一个重要的观点是“群体智慧”，它解释了在某些条件下，如何从群体行为中产生正确的选择（苏洛维耶基，参考资料Surowiecki2005). 从这个想法来看，只要贡献是独立的、分散的和多样的，并且使用强大的机制进行聚合，就可以从有噪声的个人贡献中检索和编译高质量的信息。

公民科学经常利用众包技术和“群体智慧”原则。但与此同时，许多形式的公民科学为参与者提供了积极参与的作用。公民科学的目标往往超越数据收集或简单任务的执行，还涉及教育和提高意识的目标（迪金森和邦尼，参考Dickinson和Bonney2012). 这与农业科学中注重参与性方法背后的赋权议程相匹配。

农民选择和推广品种的途径

尽管本文提出的方法适用于广泛的农业技术，但我们迄今为止的经验主要集中在作物改良上。在绿色革命几十年后，这仍然是国际农业研究的主要重点领域。作物品种的变化仍然很重要，包括作为对气候变化的响应（波特等。，证明人波特、谢、查利诺、科克伦、豪登、伊克巴尔、洛贝尔、特拉瓦索、菲尔德、巴罗斯、多肯、马赫、马斯特兰德拉、比利、查特吉、埃比、埃斯特拉达、热那瓦、吉尔玛、基塞尔、列维、麦克拉肯、马斯特兰德拉和怀特2014). 此外，这一领域历来在农民参与研究方面有很多创新。在以大量小农户为特征的边缘地区，研究表明了农民参与式作物改良方法的有效性，这种方法比传统方法更有效地解决了农民的需求和偏好（Ceccarelli等。，参考Ceccareli、Guimaráes和Weltzien2009).

参与式品种选择（PVS）包括种植多种作物品种（无论是在工厂还是农场），并让农民评估作物品种（有关审查，请参阅Witcombe，参考文件：威科姆、乔希、吉瓦利、穆萨、约翰森、维克和斯特哈比特2005). 存在一系列PVS格式。在PVS的某些形式中，农民聚集在一块共同的地块上，从各个方面观察和评价品种，包括营养特性和最终产品的特性，包括产量和消费相关特性。会议允许农民和研究人员进行互动。PVS对农民群体的强烈依赖具有局限性。Misiko公司(参考Misiko2013)分析了东非PVS试验的参与数据，发现由于免费骑行问题，在生长季节的参与非常不均衡。一个结果是，在收获前阶段，当大部分工作需要完成时，观察结果是有限的。因此，农民在选择品种时很少考虑收获前的特征。

为了克服围绕公共地块设计的一些局限性，许多格式都涉及较小的试验。母婴试验（MBT）是一种有时被视为农民参与选择品种和其他农业技术的“金标准”的形式。这一想法首先在土壤管理工作中付诸实施（Snapp 2002）。MBT结合了更大规模的现场或农场PVS试验（母亲试验），以及更小的农场农场管理的1-3种技术试验（婴儿试验）。在某些情况下，每个农民都会根据对母亲试验中展示的技术的评估，选择在婴儿试验中测试的技术。在其他情况下，科学家将这些技术作为试验设计的一部分分配给婴儿小区（Atlin等。，参考Atlin、Paris、Courtois、Bellon和Reeves2002). 从统计学上讲，如果测量一致，则可以将MBT中母亲和婴儿的结果合并。MBT的一个局限性是，与许多农民建立MBT的成本相对较高。母亲试验仍然需要在种植周期内进行严格的时间访问。

PVS也有许多更实用的方法。IRD（非正式研发）只给农民每人一种作物品种，测试一组有限的品种。农民们各自将一个新品种与自己的品种进行比较（Joshi和Witcombe，参考Joshi和Witcombe2002). 在收获后的某个时间收集关于每个新品种的接受情况以及接受或拒绝的原因的反馈。”多样性工具包”是一种方法，涉及将试验数量为2-3个品种的包装直接分发给农民，农民在自己的条件下测试这些品种。这在传播品种方面非常有效，但不涉及反馈机制。尼泊尔的多样性工具包使选定水稻品种的采用率达到37%（Joshi等。，参考Joshi、Subedi、Rana、Kadayat和Sthapit1997). 与涉及整个作物周期的母亲试验、农民团体和农场访问的方法相比，IRD和多样性工具包都是成本效益很高的解决方案。

作物多样性知识的民族生物学方法

民族生物学方法提出了农民对作物多样性认识的因果模型，以及分析这种认识的定量方法。博斯特(参考Boster1986)解释了由于个人能力导致的农民对木薯品种的个人分类差异，这种能力依赖于支持知识交流和学习的经验和社会联系。博斯特(参考Boster1986)使用民族生物学中发展的定量方法分析农民知识的巨大个体差异（罗姆尼等。，推荐人Romney、Weller和Batchelder1986，参见Van Etten参考Van Etten2006). 还有，博斯特(参考Boster1985)表明木薯品种的分类主要取决于不同品种的视觉差异。同样，宾利(参考宾利1989)基于生物现象的可观察性，解释了农民在与作物表现相关的不同领域（即植物、害虫、疾病）的能力差异。相比之下，齐默勒(参考Zimmerer1991)认为农民对品种特征的感知并不能完全解释品种分类。作物“使用类别”也发挥着重要作用，这些类别又嵌入农民与农业系统和景观的互动，以及作物产品的烹饪和商业用途。

试验的环境分析

“背景选项”分析取决于对试验结果的环境分析。关于作物育种的地理空间分析的文献越来越多，包括对“目标种群环境”特征的改进（Hyman等。，参考Hyman、Hodson和Jones2013). 在我们的上下文中更相关的是直接的使用地理空间方法结合经验植物性能数据，以指导植物选择。环境变量可以直接用作协变量，使用因子回归分析（Voltas等。，参考电压、Lopez-Corcoles和Borras2005)或冗余分析（van Eeuwijk，参考Van Eeuwijk1992).临时对试验数据的环境分析已被证明能产生有用的结果，从而得出有关气候压力的结论（洛贝尔等。，参考Lobell、Banziger、Magorokosho和Vivek2011). 由于人们对作物科学中的环境分析越来越感兴趣，这些类似技术的使用有望增加（Xu，参考Xu2016).

设计新方法

这里提出的新方法是对Van Etten提案的进一步阐述(参考Van Etten2011)旨在将众包理念纳入农民参与式方法。在之前的工作中，我们将这种方法称为“众包作物改良”。我们已经意识到，我们需要一个更加中立和具体的术语来将其与其他参与式方法区分开来脚注¹。我们将其称为经编织的方法，其中经编代表技术的三元比较（特里科特也是法国的一个公社，也是一种编织技术；两者都不影响我们在这里赋予它的含义。）

选择参与式方法

经编方法重新组合了上述作物品种研究中经验证的方法，有选择地结合了不同方法的特点，从而有可能采用众包方法。更多的实践方法，IRD和多样性工具包，最符合众包的“无监督”特征。经编方法类似于IRD方法，它具有动手能力，并包含反馈机制。但是，经编与IRD的不同之处在于，它不向每个农民分配一个品种，而是按照多样性工具包方法，分配一套三个品种的工具包。在经编方法中，每个套件包含三个品种的组合。

根据研究人员创建的试验设计，将品种分配给农民。参与者没有选择要测试的品种（参见Atlin等。，参考Atlin、Paris、Courtois、Bellon和Reeves2002). 与农民选择的试验相比，遵循统计设计，每个农民拥有一个以上的品种，可以从农民试验中获得更多的统计能力。这确保了数据的信息价值，因为有限的监管可能会导致更高的数据丢失。将品种随机分配给每个农民可能有助于避免认知偏见，当唯一的比较是本地品种时（例如禀赋偏见与当地品种有关）。此外，如果本地品种不能很好地用作检查，这将是一种稳健的方法；例如，当生理种子质量不足或存在许多当地品种时。

观察由个别农民在农场进行。这样可以确保在整个作物周期内进行观测（参见Misiko，参考Misiko2013)，并遵循IRD、多样性试剂盒和MBT婴儿试验的基本原理。与其他参与性试验类似，记录了大约6至8个变量，包括农艺性状、产量、消费价值、市场价值和“总体表现”，或者农民是否会再次种植该品种，这些变量综合了所有性状。

农民使用排名技术评估品种（Coe，参考Coe、Bellon和Reeves2002). 农民不给品种打分，而是根据表现的不同方面对其进行排名，包括农艺性状、产量、消费价值和总体表现（综合所有方面）。这一选择背后的理念是，排名避免了因需要解释评级尺度和精确的收益率测量而产生的任何复杂性。这限制了对农民进行培训的必要性，使他们的技能达到相同的水平。例如，产量比较可以在没有刻度的情况下手动进行。恩斯特·韦伯的经典实验表明，大多数人都能正确区分重量相差6%或以上的物体（韦伯推荐人韦伯、罗斯、默里和韦伯1834).

排名仅限于三种选择，例如，排名减少为三元比较。多样性套件与三个品种（Joshi等。，参考Joshi、Subedi、Rana、Kadayat和Sthapit1997). 三个选项的选择是最初提议方法的一部分（Van Etten，参考Van Etten2011)，以引用Martin为依据(证明人Martin2004)世卫组织称，三元比较已成功用于民族生物学研究。然而，这项建议导致与实施该方法的合作者进行了大量讨论，他们建议应将本地检查作为第四种检查方法。下面，我们将讨论这些变化对一般方法的启示。

有组织的小组会议在种植周期前后举行，但在种植周期内只举行一次或不举行。农民被要求在自己的农场里单独种植种子。这遵循IRD方法。个人方法减少了Misiko发现的搭便车现象(参考Misiko2013)在基于组的PVS中。在这种方法中，仍然可以进行自发的农民对农民访问，比较试验结果。此外，这种方法还可以用于有组织的农民团体，他们可以组织自己的会议和对试验地的相互访问。

现场代理收集数据，但不进行任何直接的现场测量。这有助于显著降低成本，因为现场代理的工作人员时间是一个重要的成本驱动因素。此外，熟练的现场工人往往是现场组织最有限的资源。IRD节约了大量成本，这也同样包括减少实地访问（Joshi和Witcombe，参考Joshi和Witcombe2002).

该方法的新方面

经编方法遵循众包理念，即品种评估的大任务分为许多微任务。每个微任务包括评估一组三个品种。在经编方法中，微任务包括评估三种作物品种。这基于现有的PVS方法，如上所述。为了进一步使经编方法遵循众包原则，它包含了以下特征，这些特征是当前农民参与式品种评估方法中没有的。

1. 1 品种试验是盲目的例如，农民直到完成种植周期才知道品种的名称。在新的方法中，农民获得的品种代码不能显示品种的身份（1、2、3或A、B和C），因此很难确定哪些品种在不同地块上是相同的。这种选择的原因是，盲试验可能会减少已知品种引起的偏见，并增加农民完成试验周期的动机，以便了解受试品种的名称。经编的个人主义风格使得人们希望有更多的元素来激发农民的动机。

2. 2 数据最好由农民使用数字渠道通过自我报告收集数字数据收集对众包至关重要。使用数字格式和应用程序可以消除纸质数据数字化中的错误，并使数据收集的标准化更加容易。数字数据收集也使加速数据分析成为可能。

3. 三。 使用Bradley–Terry模型对数据进行排名分析（布拉德利和特里，参考Bradley和Terry1952). 该模型使得以稳健的方式聚合众包排名数据成为可能。尽管世界农林中心的研究人员越来越多地应用布拉德利-特里模型，但该模型在农业中的应用并不频繁。Coe公司(参考Coe、Bellon和Reeves2002)讨论了它在农业研究中的应用。方框1提供了模型的简短说明。

第四部小说试图利用经编试验的地理分布特性。

1. 4 试验数据分析利用补充的环境数据。由于（部分）数据是数字采集的，因此可以对试验点或地块附近的点进行地理定位。这使得可以将试验数据与其他来源的地理空间数据相结合。一个重要的优点是可以对许多环境进行采样。通过测量这些环境的特征并在统计分析中充分利用这些信息，经编方法可以产生有关基因型×环境相互作用的重要信息。

试验结束后，将数据与任何其他数据结合起来进行汇总和分析，包括参与者及其家庭的特征和环境数据。在种植周期结束后的会议上，农民会收到基于数据统计分析的信息。在经编方法中，我们为每个农民创建个性化的信息表。我们还根据数据准备一份自动生成的报告，作为对种植周期后不久举行的会议的输入。

数据探索和分析在最后一步进一步深化。虽然自动报告满足了在受农业周期限制的时间范围内提供反馈的需要，但对数据的进一步可视化和分析以及不同试验之间的比较应能带来更深入的见解。这些分析可以以不同的形式进行，包括与当地专家、农民、种子生产者进行参与性活动。

试点目标和方法

飞行员旨在将经编方法付诸实践，并对该方法的以下方面产生见解：

1. 1经编方法的正式部分，包括数据收集格式和统计设计。

2. 2经编方法生成相关高质量数据的能力。

3. 三。作为经编试验的一部分，以地理分布方式收集天气数据的可行性。

4. 4农民的接受方式和农民的参与动机。

5. 5性别和社会包容的经编方法。

进行了两种不同类型的试验：作物试验试验和一种专门研究收集天气数据可行性的试验。关于其中一些方面，我们已经发表了灰色文献，我们即将发表同行评议文章，这些文章将更详细地报道这些试验（这些研究在本节中被引用）。这里的目标是将这些部分评估合并到一个文本中，以提供早期反馈。因此，报告结果将简短。

我们在印度、东非（肯尼亚、坦桑尼亚、埃塞俄比亚）和中美洲（洪都拉斯、危地马拉、尼加拉瓜）进行了经编方法的作物试验。在这些试点项目中，生物大学与当地合作组织合作，在农民参与性研究方面取得了很大进展。在所有情况下，重点放在当地重要的一年生作物上：埃塞俄比亚的大麦和硬粒小麦，肯尼亚和坦桑尼亚的高粱，以及中美洲的蚕豆。在以往每个地区农民参与研究的基础上，选择了农民可能接受的品种或地方品种。使用经编方法将选定的品种分配给农民。

在第一次迭代中，数据记录最初只在纸上进行，因为这些仍然是几十名农民的小型试验。在随后的几轮中，数据收集被数字化，但仍由实地人员通过访问进行。报告是在特别的在R（R核心团队）中使用定制脚本的方式2015).

不同的试点在对农民的监督力度和对参与的奖励方面各不相同（在某些情况下，在试验之前和试验之后承诺提供首选品种的种子）。在一些试验中，测试了分配四个品种的方法的变化。此外，通过迭代学习过程，统计设计和数据收集格式也发生了变化。从这些试点中获得的经验教训涉及上述第1点（方法教训）和第2点（数据质量）。

为了进一步解决第2点，我们在洪都拉斯的一个试点中进行了更具体的测试，测试了农民在三色法中的观察结果的准确性。我们将农民的品种排名与同一地块上的专家排名进行了比较（参见斯坦克，参考Steinke2015; 施泰因克等。，参考资料：斯坦克、范·埃滕和梅亚·泽兰2016详细信息）。在这个案例研究中，农民评估了以下变量：植物活力、害虫抗性、抗病性和植物结构。

第二类飞行员专门关注上述第3点，即收集天气数据。为了收集环境数据，我们试用了一种廉价、耐用的天气传感器+记录器，名为iButton（Mittra等。，参考密特拉、范·埃滕和提托2013). iButton的成本约为25美元（仅含温度传感器）和60美元（含温度和相对空气湿度传感器）。我们已经在三色进近的飞行员身上安装了iButton传感器。我们还在哥斯达黎加的一个大型咖啡庄园建立了一个由这些传感器组成的大型网络，以探索其准确性（参见Van Duijvendijk，参考Van Duijvendijk2015详细信息）。

对于第4点（接受/激励），我们登记了农民参与进一步循环的意愿，以此作为他们对方法的看法的一个指标。我们还使用标准问卷对试点所在的三大洲的农民动机进行了评估（参见Beza等。，已提交以获取详细信息）。

为了解决第5点（性别），我们报告了妇女参与试验的情况，并讨论了为增加妇女参与而测试的方法。我们调查了性别是否影响品种偏好。此外，我们还对女性团体进行了具体采访（参见Steinke，参考Steinke2015详细信息）。

对这五个方面的评估将有助于讨论该方法的总体可行性，以及将经编方法发展为完全众包公民科学方法时仍然缺少的要素。