公民科学
公民科学（Citizen Science），又称公众科学或社区科学，是指由专业科学家与普通公众（非专业人士）协作开展的科学研究活动。
作为 Open Science（开放科学）的重要支柱之一，公民科学通过众包（Crowdsourcing）的模式，动员大众参与数据采集、分类、注释甚至分析。这种模式极大地扩展了科研的时空尺度，使得传统上因成本或人力限制而无法完成的大规模项目（如全球鸟类迁徙监测、星系分类）成为可能。知名的平台包括 eBird、Zooniverse 和 Foldit。
三大参与层级
根据公众参与的深度，公民科学项目通常分为三个层级 (Bonney et al., 2009)：
- 1. 贡献型 (Contributory)： 最常见的模式。科学家设计问题，公众主要充当“传感器”收集数据。例如：用手机拍摄植物照片上传到 iNaturalist，或记录看到的鸟类。
- 2. 协作型 (Collaborative)： 公众不仅收集数据，还参与数据的解释、分析或修正。例如：在 Galaxy Zoo 中，志愿者通过肉眼判断星系的形状，帮助天文学家分类。
- 3. 共创型 (Co-created)： 最高级别。公众从一开始就参与定义研究问题、设计方法，并与科学家共同分析结果。常见于环境正义（Environmental Justice）项目，如社区监测当地水污染。
核心挑战：数据质量控制
“非专业人士产生的数据可信吗？”这是科学界最大的质疑。现代公民科学采用多重手段来确保数据质量：
| 控制策略 | 具体做法 | 应用案例 |
|---|---|---|
| 交叉验证 (Cross-validation) | 同一张图片分发给多名（如 10 名）不同的志愿者判读，取众数。 | Galaxy Zoo (星系分类) |
| 专家复核 | 将数据分为“普通级”和“研究级”，后者需经社区专家确认。 | iNaturalist |
| AI 辅助过滤 | 利用机器学习自动剔除明显异常的数据点，或辅助物种识别。 | eBird (异常分布预警) |
关键相关概念 [Key Concepts]
1. Gamification (游戏化)： 利用游戏机制（积分、排名、通关）激励公众参与复杂的科学任务。最著名的例子是 Foldit，玩家通过“玩游戏”寻找蛋白质折叠的最佳结构，甚至解析了艾滋病病毒相关蛋白的结构。
2. Distributed Computing (分布式计算)： 早期公民科学的一种形式。利用公众电脑闲置的算力来处理数据，而非利用人脑。例如 SETI@home (搜寻地外文明)。
3. Community Science (社区科学)： 近年来逐渐取代“公民科学”的术语，以避免“Citizen”（公民）一词可能带来的排他性（如对非本国公民的排斥），强调社区主导。
学术参考文献 [Academic Review]
[1] Irwin A. (1995). Citizen Science: A Study of People, Expertise and Sustainable Development. Routledge.
[点评]：奠基之作。艾伦·欧文（Alan Irwin）首次在社会学语境下定义了“公民科学”，强调科学民主化。
[2] Bonney R, et al. (2009). Citizen Science: A Developing Tool for Expanding Science Knowledge and Scientific Literacy. BioScience.
[点评]：康奈尔鸟类学实验室团队的经典论文，系统分类了公民科学的项目模式，确立了其在自然科学研究中的地位。
[3] Cooper S, et al. (2010). Predicting protein structures with a multiplayer online game. Nature.
[点评]：报道了 Foldit 玩家如何胜过超级计算机，证明了人类直觉在解决复杂三维空间问题上的优势。