Community engagement and data quality: best practices and lessons learned from a citizen science project on birdsong

• DOI: 10.1007/s10336-022-02018-8
• Publication Date: 2022-10-13T11:03:18Z
• Authors: Denise Jäckel; Kim G. Mortega; Sarah Darwin; Ulrich Brockmeyer; Ulrike Sturm; Mario Lasseck; Nicola Moczek; Gerlind U. C. Leh...; Silke L. Voigt-He...
• Keywords: Citizen Science; Community Engagement; Public Engagement; Ornithology

Citizen Science (CS) is a research approach that has become popular in recent years and offers innovative potential for dialect ornithology. As the scepticism about CS data still widespread, we analysed development of 3-year project based on song Common Nightingale (Luscinia megarhynchos) to share best practices lessons learned. We focused scope, individual engagement, spatial distribution species misidentifications from recordings generated before (2018, 2019) during COVID-19 outbreak (2020) with smartphone using 'Naturblick' app. The number nightingale engagement increased steadily peaked season pandemic. 13,991 were by anonymous (64%) non-anonymous participants (36%). developed, expanded (from Berlin nationwide). rates low, decreased course (10-1%) mainly affected vocal similarities other bird species. This study further showed community quality not directly dissemination activities, but former was influenced external factors latter benefited conclude projects apps an integrated pattern recognition algorithm are well suited support bioacoustic Based our findings, recommend setting up over long term build engaged which generates high robust scientific conclusions.The online version contains supplementary material available at 10.1007/s10336-022-02018-8.Gesellschaftliches Engagement und Datenqualität: Bewährte Praktiken Erfahrungen aus einem bürgerwissenschaftlichen Projekt zum Vogelgesang ist eine Forschungsmethode, die den letzten Jahren Bedeutung gewonnen hat innovatives Potenzial für Dialektforschung der Ornithologie bietet. Da Vorbehalte gegenüber CS-Daten immer noch weit verbreitet sind, haben wir Entwicklung eines dreijährigen CS-Projekts Gesang Nachtigall analysiert, um bewährte gewonnene darzustellen. Wir fokussierten uns auf Datenumfang, das individuelle von Teilnehmenden, räumliche Verteilung Fehlbestimmungen Arten Aufnahmen, vor während des COVID-19-Ausbruchs mit Smartphone unter Verwendung "Naturblick" App erstellt wurden. Die Anzahl Aufnahmen Nachtigallgesängen stiegen stetig erreichten ihren Höhepunkt Saison Pandemie. 13.991 wurden anonymen nicht-anonymen Teilnehmenden (36%) erstellt. Im Laufe Projekts weitete sich (von bundesweit). Rate war gering, ging im zurück 10% 1%) wurde hauptsächlich gesanglichen Ähnlichkeiten anderen Vogelarten beeinflusst. Unsere Studie zeigte außerdem, dass gesellschaftliche Datenqualität nicht direkt durchgeführten Disseminationsaktivitäten beeinflusst wurden, sondern erstere externen Faktoren abhingen letztere profitierte. schließen daraus, CS-Projekte, Smartphone-Apps integrierten Mustererkennungsalgorithmus verwenden, gut geeignet bioakustische Forschung zu unterstützen. Auf Grundlage unserer Ergebnisse empfehlen wir, CS-Projekte langfristig etablieren, aktive Teilnehmergemeinschaft (Community) aufzubauen, qualitativ hochwertige Daten fundierte wissenschaftliche Schlussfolgerungen generiert.