Люди предпочитают красивых бабочек: это проблема для науки

Исследование, опубликованное в Frontiers in Ecology and the Environment учёными из USC Dornsife College of Letters, Arts and Sciences, показывает, что данные на популярной платформе гражданской науки iNaturalist смещены. Пользователи чаще сообщают о бабочках с эффектной окраской, легко узнаваемых чертах или знакомых видах, чем о невзрачных или трудноопределяемых видах.

Ежегодно 3 миллиона человек делятся своими наблюдениями за насекомыми на подобных платформах. Эти данные могут помочь отслеживать сокращение популяций бабочек из-за изменения климата или использования пестицидов, но только если они точны.

Сравнение двух платформ

Учёные сравнили данные с двух популярных платформ — iNaturalist и eButterfly — за 2000–2021 годы, проанализировав 194 вида из пяти семейств Северной Америки.

• iNaturalist: пользователи загружают фотографии для проверки вида экспертами. Это создаёт предвзятость в пользу легко фотографируемых или эстетически привлекательных видов.
• eButterfly: участники заполняют контрольный список наблюдений, что даёт более полный учёт всех видов, но требует от них умения точно определять виды.

Результаты и смещения

На iNaturalist пользователи переоценивали виды с эффектными чертами: хвостами на крыльях, клетчатым узором, пятнами, глазками и полосами. Часто переоценивались виды из семейств Nymphalidae (например, монархи) и Lycaenidae.

Недооценивались 34 вида, особенно с трудноразличимыми светлыми отметинами на крыльях. Чаще всего недооценивались виды из семейства Pieridae — распространённые, но эстетически непривлекательные, часто считающиеся садовыми вредителями. Схожие тенденции наблюдались среди пользователей как на востоке, так и на западе.

Выводы и рекомендации

Понимание и учёт этих смещений критически важны для оценки распространения видов, приоритетов сохранения и тенденций популяций.

Для улучшения гражданской науки предлагается:

• Обучать наблюдателей определять виды и повышать осведомлённость о смещениях.
• Внедрять методы отчётов, специфичные для каждого вида, чтобы снизить влияние предвзятости пользователей.
• В приложениях выделять как популярные, так и недооцениваемые виды для повышения точности сбора данных.