18 当观鸟记录变成科研数据:聊聊公民科学与Science论文风波垂直迁徙

18 当观鸟记录变成科研数据:聊聊公民科学与Science论文风波

73分钟 ·
播放数246
·
评论数8

本期节目围绕一个热点新闻:《Science》刊登文章“中国的太阳能发展政策减少了鸟类多样性”。

但我们想说一个关于青年科学家的敏锐性与勇敢提出质疑的故事,也是科学方法之可证伪性的又一次实践。

让我们不断接近真实。

-

嘉宾:

杨康|伊利诺伊大学香槟分校博士三年级学生,公民科学、定量生态、鸟类迁徙研究者,观鸟人。

-

时间戳:

00:00 Intro

01:35 事件起因:《Science》文章引发的质疑

07:16 质疑的产生、建立、完成。

10:45 漏洞一:模型解释度(R^2)虚高与多学科的独立交叉验证

22:39 漏洞二:未控制采样偏差与被忽略的采样行为时空偏移

29:37 漏洞三:未经筛选的异常数据

36:50 漏洞四:生态机制链路断裂

40:47 鸟类保护工作需要坚实的基础

47:57 如何提升观鸟记录的数据可用性

1:02:10 幕后与内心,在这一切之后

1:13:06 Outro

-

提升观鸟记录数据可用性的小建议:

1. 控制移动距离:单次步行若超过8千米,建议开启新记录,确保定位点准确反映真实生境。

2. 避免重复路线:尽量不走回头路,防止对同一鸟类个体进行重复统计。

3. 详记个体数量:请勿全部略记为“1只”,准确的数量是科学家评估种群规模的核心数据。

4. 规避选择偏差:若为看稀有鸟种而专门停下,请顺手做一次5分钟定点观测,记录所有可见鸟类,补齐“完整清单”。

5. 记录疑似物种:遇到不确定的鸟,请勿忽略,可以写下你的“最佳猜测”与特征描述。

6. 丰富文字备注:添加繁殖编号或描述物种间的行为交互,大语言模型现已能从中提取可量化的生态学信息。

7. 补充多媒体:尽可能附带鸟类照片、生境照片或音频(注:eBird现已支持手机端直传录音)。

8. 拓展记录维度:尝试在非热点地区、非传统时段或设定不同观测时长,用多样化的清单解答多样化的科学问题。

9. 学习平台规范:主动了解所用平台的收集理念(如学习 eBird Essentials 免费课程),让随手记也成为可用的科学数据。

注:此部分为AI对文稿的总结

-

相关阅读:

Science受争议原文: China's Solar Expansion Policy Reduces Bird Diversity

杨康等人的评论文章: The Devil in Citizen Science Data: Observation Processes Invalidate The Causal Inference That Photovoltaic Policy Reduces Bird Diversity

利用公民科学研究鸟类分布的参考指南: Analytical Guidelines to Increase The Value of Community Science Data: An Example Using eBird Data to Estimate Species Distributions

用虚假记录测试eBird反应机制的文章 : Assessing Veracity of Web-Based Citizen Science Projects: An Audit Study of eBird

二傻统计公众号(中科院生态环境中心张霜老师)

数量生态学与R语言(南京林业大学赖江山老师)

中国动物学会鸟类学分会评论

杨康小红书文章

中国观鸟记录中心

eBird

eBird Essentials 免费课程

eBird Science

-

备用标题(每个我们都很喜欢):

你观鸟吗?

“作为观鸟人,我不同意Science这样用我的记录”

我们的观鸟记录被拿去发Science了,但那个人观鸟吗?

-
P.s. 本期为线上录制,收音效果不理想还请多多包涵。希望内容依然有趣!

-

封面是和杨康观鸟时看见的丁达尔效应。

嘉宾:杨康

制作:湖鸦

视觉:Ren

展开Show Notes
科学没有国界,科学杂志却有它的立场🤫
Karrot
Karrot
4天前
粗略看这个文章的时候感觉非常匪夷所思的一点是全文和supplementary text都没有提到parallel trend assumption(用quasi- experimental design但不讨论假设的可靠性就make causal claims非常可疑也不符合经济学的学术惯例),况且他们实际上用的是continuous did,which requires a stronger version of PT assumption(实际上满足非常困难),用TWFE来estimate更是问题重重
Karrot:这篇文章讨论了这个问题(AER forthcoming):https://arxiv.org/pdf/2107.02637
ECORUI
ECORUI
4天前
13:45 一个面板数据,看到 0.9 以上 的 R 方,就知道他用的是普通 R 方,如果是个 0.1 以下,就知道他用的是 within R 方。这是模型性质带来的。横截面上几千个个体,时间上几十期,这样的面板基本上都会出现这种情况。

反而是加了一个控制变量,它就不显著了,这个不可接受,这是科学精神的问题。
杨康YK
杨康YK
4天前
神速啊神速😲
湖鵶
湖鵶
4天前
突然高产
湖鸦
:
快早点休息!
ECORUI
ECORUI
4天前
14:16 他用的是年度数据,所以季节带来的差异已经被他们加总了,所以这个季节的差异的影响根本不在论文的任何 R 方里面。另外,他用的是面板数据,所以赤道地理带来的影响也被个体固定效应吸收掉了。面板回归其实看的是 ΔY 和 ΔX 之间的关系。