Текст книги "Научное волонтерство: Делаем науку вместе"

Часть 2
Дайте мне точку опоры: инструменты для проектов гражданской науки

Глава 4
Декомпозиция: создание проекта гражданской науки от А до Я

Итак, представим, что вам хочется запустить свой проект гражданской науки или для начала просто понять, как именно он устроен. В таком случае вам придется задать себе ряд вопросов. Из чего состоит каждый проект гражданской науки? Какие шаги нужно сделать для его запуска? На что обратить внимание и как не допустить ошибку? Несмотря на то что ответы всегда будут зависеть от специфики конкретного проекта, Яна Плехович, руководительница проекта «Люди науки», в этой главе постаралась собрать унифицированную инструкцию в виде сборника полезных советов.

Когда в 2020 году в России стартовал проект «Люди науки», русскоязычная платформа, о которой мы писали в предыдущей главе и подробнее расскажем в третьем разделе, многое случилось впервые, а точнее – почти все. В России не было не только устойчивого экспертного сообщества, но даже единого понимания этой области, поэтому многое пришлось пробовать вслепую, ошибаясь и делая заново, формируя свое видение. Не было ни инструкций, ни сборников лучших практик, ни каких-то аналитических материалов на русском языке, а на английском они были настолько общими, что не закрывали все потребности. Поскольку задачей проекта было не только предоставлять ученым платформу для поиска волонтеров, но и помогать им запускать новые проекты или развивать уже существующие, всю теоретическую базу пришлось формировать с нуля.

Спустя два года все изменилось. В 2022 году был своеобразный бум запросов на проведение образовательных мероприятий, где нужно было рассказывать о создании проектов гражданской науки, и мы были к этому готовы. В этой главе я поделюсь с вами выжимкой, самыми главными нашими наработками, опробованными на практике и подтвердившими свою эффективность. Единственно верной и исчерпывающей инструкции по запуску проектов гражданской науки не существует, потому что это очень индивидуальный процесс, но я помогу задать верное направление: понять, из чего состоят такие проекты, какие этапы нужно пройти в процессе их создания, какие риски учесть.

Далее я более подробно расскажу о каждом из семи шагов проектирования.

1. Найти цель: определить задачи проекта, планы и желаемые результаты.

2. Поставить задачи волонтерам: определиться с типами задач и желаемыми результатами по каждой из них.

3. Объяснить волонтерам задачу: оптимизировать ее описание и инструкции под желаемую аудиторию проекта, протестировать задачу.

4. Подобрать инфраструктуру проекта: онлайн– и офлайн-инструменты, сформировать логистику внутри проекта.

5. Верифицировать данные: продумать, как именно вы будете проверять результаты, полученные от волонтеров.

6. Работать с волонтерами: наметить целевую аудиторию и решить, как будете привлекать их к проекту и общаться с ними.

7. Мотивировать волонтеров: придумать такие положительные эффекты для участников, чтобы они не только пришли в проект, но и возвращались в него.

Прежде всего нам нужно договориться об основах. Проекты гражданской науки – это такие научные исследования, в которых принимают участие неспециалисты вместе с учеными или под их руководством. Как видно из формулировки, такие исследования предполагают, что ученые вовлекают в них людей извне, а значит, в отличие от чисто научных проектов, в определенном смысле это еще и проекты научной коммуникации. Именно в качестве полноценных коммуникационных продуктов со всеми составляющими (команда, бренд проекта, его идея, целевая аудитория, способы продвижения и каналы коммуникации) их и можно проектировать наиболее продуктивно. Это предполагает ресурсные и временные затраты, ответственность и определенные обязательства со всех сторон. Нужно будет работать с другими людьми, причем совсем не из привычного научного круга, с ними нужно будет общаться и принимать во внимание их интересы и проблемы. Еще до начала запуска проектная группа должна быть готова к личному участию в проекте на протяжении всего его жизненного цикла. Это дополнительная рабочая нагрузка, и мы не советуем возлагать ее на плечи одного куратора, особенно если параллельно ему или ей нужно будет осуществлять и научную часть проекта тоже.

Итак, вы решили придумать и реализовать проект гражданской науки. Принимая во внимание намек на те сложности и риски, которые описаны выше, мы приходим к следующему: если ведение проекта – это большая работа, то вам точно нужно знать, зачем и почему вы это делаете, что должно получиться в итоге. Без этого мотивация что-либо делать может исчезнуть очень быстро. К тому же всегда есть шанс, что что-то пойдет не так и нужно будет трансформировать проект на лету, а с четким ориентиром сделать это намного легче. Тогда нужно задать себе вопрос: а зачем в этом исследовании волонтеры? Чаще всего ответ будет такой: чтобы решить какую-то научную задачу. И это отличный ответ, он означает, что вы уже двигаетесь в верном направлении. Но я задам еще несколько вопросов. Можно ли обойтись без волонтеров? Если можно, к каким положительным результатам для решения вашей научной задачи это приведет? Решите ли вы ее быстрее, будут ли результаты более точными, сэкономите ли вы какие-то ресурсы? Если теоретически можно обойтись без волонтеров, то насколько их привлечение усложнит вашу работу?

Вам может показаться, что уже на этом этапе я пытаюсь отговорить кураторов заниматься проектами гражданской науки, но это не так. Я хочу показать, что помимо решения научной задачи можно ставить и другие цели. Например, популяризацию вашей отрасли и исследования, продвижение научной организации или развитие бренда ученого, привлечение внимания к какой-то социальной/природной/техногенной проблеме, которую ваше исследование помогает решить, поиск потенциальных кадров, наконец. Если ваш проект запускается исключительно для решения научной задачи – это отлично, но дополнительные цели дают вам перспективу и точки роста. А еще нужно учитывать, что участие волонтеров не всегда сразу приносит именно те научные результаты, к которым вы стремитесь, иногда нужно будет делать несколько итераций, вовлекать другую аудиторию. Но при этом ваша дополнительная цель, например популяризировать какую-то область науки, будет успешно достигнута, и это поможет вам не сдаваться и поддерживать свою мотивацию, находить разные показатели эффективности, анализировать их и пробовать новые стратегии.

Как вы уже знаете из главы 1, в научных исследованиях волонтеры могут выступать в нескольких ролях. Во-первых, в роли носителей информации: они участвуют в экспериментах, заполняют опросники, тестируют вакцины и лекарства, дают интервью. Во-вторых, в роли исследователей: они собирают и анализируют научные данные. В этой главе я сосредоточусь на волонтерах в роли исследователей, но уверена, что мои советы подойдут и для проектов другого типа.

Волонтеры, как вы уже знаете, могут участвовать в решении самых разнообразных задач, но чаще всего это:

● сбор большого объема данных, который невозможно получить автоматически или у вас нет для этого ресурсов;

● анализ (например, классификация) данных, которые невозможно распознать автоматически или объем которых настолько велик, что сделать вручную силами одних ученых это слишком сложно, – в таком случае проанализированные волонтерами данные могут быть основой для обучения нейронных сетей;

● решение простых аналитических задач, требующих понимания контекста, наличия воображения и умения строить обоснованные предположения, например: оцифровывать (расшифровывать) рукописи, искать перевод в словаре и т. п.

Как вы можете догадаться, постановка научной задачи и затем цели для волонтеров возможна при наличии одного из следующих условий: у вас есть большой объем данных для обработки человеком или у вас есть необходимость собрать большое количество данных, доступных неспециалисту. Давайте разберем несколько примеров задач в существующих проектах:

● iNaturalist: составить крупнейшую в мире базу данных о биоразнообразии;

● Galaxy Zoo: создать морфологическую классификацию галактик на основе анализа сотен тысяч фотографий;

● «Микориза»: определить виды грибов в составе микоризы в корнях кедров, растущих под Томском;

● «Прожито»: изучить частную историю людей, живших в XX веке в России, на основе их дневников.

Важно понимать, что волонтеры не могут решить научную задачу целиком, но способны выполнять простые (или не очень простые) действия, которым можно быстро научиться. Поэтому необходимо разбить задачу на составляющие и ответить на вопрос, какую из этих частей могут взять на себя волонтеры.

Например, нужно классифицировать галактики на сотнях тысяч фотографий. Логично, что можно обучить нейросеть, но для этого нужны уже проанализированные изображения. Волонтеру не стоит поручать описывать галактики, потому что велика вероятность ошибки, а еще это непонятно и долго, да и варианты ответов будут разные, ведь волонтеры обращают внимание на очень разные вещи на изображениях. Зато они могут ответить на ряд простых вопросов, выбирая ответ из числа предложенных вариантов: какой формы галактика (эллиптическая, спиральная и т. д.), сплюснута ли эллиптическая галактика (да/нет) и другие. Это не только значительно снижает сложность задачи (а значит, и вероятность ошибки), но и помогает ученым впоследствии обрабатывать данные по единым алгоритмам.

Приведу еще несколько примеров того, как научную задачу можно переформулировать для волонтеров.

Некоторые научные задачи с трудом трансформируются в задачи для волонтеров, и попытки разбить сложное на простые составляющие в таких случаях не работают. Тогда можно придумать более сложный/привлекательный проект для волонтеров, например создать игру.

Команда «Людей науки» много раз помогала формулировать задачи для волонтеров, поэтому разработала несколько универсальных советов. Первый из них: не усложняйте. Ваши волонтеры умны, но большинство из них не будут экспертами. Избегайте научного жаргона и сложных терминов: часто они вообще не нужны, а если вам очень хочется их употребить, сделайте это в каких-то дополнительных материалах. Если с первой минуты знакомства с проектом волонтеры чувствуют себя глупыми и боятся сделать ошибку – вы их потеряли. Сделайте задачи максимально простыми, а если они сложные, объясните их настолько просто, насколько возможно. Я придерживаюсь такой тактики: представляйте, что вы ставите задачу своим старшим родственникам (желательно – не профессорам МГУ!) или племяннику-школьнику. Это не всегда реально и это не панацея, но хороший ориентир.

Второй совет: пропишите детальные критерии задач для волонтеров. Что точно важно для вашего исследования, а что можно игнорировать? Предположим, вы просите волонтера собирать данные о фенофазах растений и для вас самыми главными будут данные о плодах этих растений. Значит, ему не нужно детально описывать объект наблюдения до фазы массового созревания (например, во время цветения), достаточно зафиксировать дату этих фенофаз и поставить геометку на карте. Или, если участник исследования ищет на космических снимках пылевые бури над морем, необязательно описывать цвет воды на снимках. Попросите волонтеров держать фокус внимания на чем-то действительно значимом, чтобы они могли всю свою энергию направить именно туда. Помните, что волонтерам все это может быть совершенно неочевидным, они впервые встречаются с такими задачами, помогите им не потеряться в них.

Третий совет: делайте пошаговые инструкции. Они не только важны для волонтеров, но и помогут вам самим лучше сформулировать идею в самом начале. Как только вы начнете подробно и просто описывать задачу волонтера, тут же проявятся все неясности и проблемы, которые могут возникнуть на этапе реализации проекта. Можно строить инструкцию, опираясь на задачи: например, если речь идет об анализе данных (изображений), инструкция будет объяснять, что именно нужно искать на изображении, как это определить, какие варианты ответов могут быть, как выделить интересующие вас объекты и так далее. А еще можно опираться на этапы: например, если волонтеру нужно куда-то идти и собирать данные, она расскажет, что нужно сделать до начала сбора данных, какие инструменты подготовить, что делать во время сбора и после него, как отправлять данные.

Четвертый совет: не ждите, что волонтеры сами о чем-то догадаются. Они знают про исследование и научную задачу намного меньше вас. То, что для вас элементарно и само собой разумеется, для ваших помощников может казаться темным лесом. Неважно, работаете ли вы со школьниками или с очень взрослыми людьми, не стоит предполагать, что они уже погружены в детали или додумаются самостоятельно. Они живут в других местах и условиях, у них разный опыт и занятия. Например, они могут не знать, какие виды картона и клейкой ленты бывают и какие из них подойдут для построения нужных вам инструментов, как выглядит дуга на космическом снимке или как отличить яблоню от рябины. Это не значит, что они глупые и не могут найти ответ сами, просто они разные, и в ваших интересах помочь им как можно быстрее освоиться и разобраться. Используйте побольше визуальных образов и приводите примеры. Разбивайте большие мысли на маленькие и не зацикливайтесь на объяснении сложных терминов: возможно, вам вообще не нужно их упоминать.

Пятый совет: если можно без текста, обойдитесь без него. Используйте изображения везде, где это возможно. Во-первых, многим так понятнее, потому что сразу видно примеры и схему действий. Во-вторых, так быстрее: на одной простой картинке может быть столько смысла, сколько на целой странице текста. В-третьих, если это приятная и красивая картинка, она привлекает больше, чем текст. Но будьте аккуратны, иногда наше представление о порядке и визуальной простоте сильно отличается от видения других людей, попробуйте сначала показать изображения вашим близким, которые не знают о проекте.

Шестой совет: опробуйте вашу задачу на тестовой группе. Лучше всего набрать в нее людей, не связанных с вашим проектом, но достаточно мотивированных, чтобы потратить на вашу задачу достаточно времени, поскольку им нужно будет не только попробовать ее на себе, но и дать вам обратную связь. На этом этапе вам нужно понимать, для какой целевой аудитории вы делаете проект, потому что тестовая группа должна соответствовать ее критериям. Важно проводить несколько тестирований, каждый раз учитывая полученную обратную связь, но не ориентируясь только на нее. Я бы посоветовала пойти таким путем:

1. Набрать тестовую группу не менее чем из 7–10 человек с разным опытом и знаниями, с хорошей мотивацией.

2. Разработать для них тестовые условия в соответствии с вашим проектом: дать задачу, максимально близкую к тому, с чем столкнется ваш волонтер, и именно с теми материалами, которые вы уже успели подготовить. Упорядочить их так, как вам кажется логичным и удобным.

3. Сделать единый опросник для сбора обратной связи. В нем должны быть вопросы, касающиеся сложности самой задачи, сложности материалов для обучения, информации о времени и шагах тестовой группы по прохождению задачи (время выполнения, время обучения, время на проверку). Максимальное количество вопросов советую сделать с вариантами ответов, чтобы ускорить обратную связь.

4. Провести тестирование, выдать волонтерам задачи, попросить прислать вам результаты выполнения, а также ответить на опросник для сбора обратной связи.

5. Получить результаты тестовой группы и обработать их. Соотнести цель задачи с результатами опросника каждого отдельного волонтера, задать уточняющие вопросы. Если вы видите, что у кого-то из тестовой группы ошибки появляются уже на этапе самых простых заданий, которые вы посчитали бы очевидными, аккуратно уточните у них, в чем проблема. Нужно выяснить, почему эти ошибки появились: дело в самой задаче, недостатке мотивации тестировщика или сложности инструкции? Необходимо выявить повторяющиеся паттерны, заметить, в каких моментах тестовой группе становилось сложно и как вы можете это изменить.

6. В соответствии с обратной связью внести изменения в задачу или инструкцию к задаче.

7. Набрать еще одну тестовую группу.

8. Дать новые материалы и задачу первой и второй тестовым группам, сравнить результаты и обратную связь.

9. Если необходимо, повторить цикл еще раз.

Проекты бывают нескольких видов:

● онлайн-проекты, в которых волонтеры всю свою активность и коммуникацию ведут виртуально, не решают задачи в поле;

● офлайн-проекты, в которых волонтеры передают данные ученым и решают научные задачи офлайн;

● гибридные проекты, в которых волонтеры коммуницируют и передают данные онлайн, но основная активность по сбору данных проходит где-то в поле.

Как только вы определите формат участия волонтеров, вы должны продумать для них логистику работы с данными, логику действий внутри проекта и инфраструктуру. Если им нужно что-то куда-то приносить (например, образцы почвы, микоризу, палеонтологические находки), то нужно продумать, как это организовать. Если это лаборатория, то в какие часы будут принимать волонтеров? Какие инструменты понадобятся для сбора данных? Будет ли лаборатория их предоставлять? Как вы планируете поддерживать связь с волонтерами, в какие часы? Все это стоит продумать заранее и описать в вашей инструкции для волонтеров. На этом же этапе рекомендую регламентировать правила общения, которых будут придерживаться и волонтеры: например, в какие часы вы свободны для звонков или сколько времени отводится на ответ по электронной почте.

Если данные от волонтеров можно получать удаленно, для этого нужен интерфейс на веб-сайте или в приложении, куда они смогут вводить информацию. Он должен быть удобен для волонтеров с точки зрения загрузки информации, а для вас – с точки зрения ее выгрузки и последующей обработки. Отличная идея, если после передачи данных волонтер может убедиться в том, что они действительно загрузились: в личном кабинете, в списке волонтеров на сайте или посредством запроса (команды), например, в Telegram-боте.

Вариант «выслать ученому данные по электронной почте» не очень удачный, поскольку требует от волонтера длинной последовательности действий:

1. Собрать данные (например, фото растений);

2. Зафиксировать дополнительную информацию;

3. Загрузить данные на компьютер, создать архив;

4. Отправить архив по электронной почте.

Кроме того, волонтер не видит результат своего труда, не может оценить важность собранных сведений и в целом не чувствует себя вовлеченным.

Если речь идет об обработке массива данных, нужно продумать, как их представить участникам проекта и какой алгоритм обработки предложить. Например, видеоролик можно разбить на короткие кусочки и сопроводить серией простых вопросов и вариантов ответов (вопрос «что делает мышь в этом ролике?» и ответы «спит/бодрствует», «движется/стоит» и т. п.). Для реализации такой задачи волонтерам точно понадобится онлайн-платформа с возможностью ответить на вопрос и функционалом по разметке. Об устройстве разных доступных платформ и о возможностях создания собственной вы можете узнать в последующих главах.

Еще нужно продумать, что вы будете делать с данными, которые получаете и предоставляете волонтерам. Где вы будете их хранить, есть ли у вас для этого дополнительные ресурсы? Что будет происходить с данными, когда вы их получите от волонтеров? Например, они будут попадать в базу данных вперемешку или вы планируете их предварительно сортировать в определенном порядке с определенной маркировкой? Будут ли они доступны только вам, или это будет открытая база? Последнее в проектах гражданской науки предпочтительнее: если волонтеры не видят результаты своего труда, то не чувствуют себя вовлеченными в решение задачи.

Все данные, которые ученые получают от волонтеров, должны быть проверены и подвергнуты сомнению. Есть много разных подходов к таким проверкам, их алгоритм выбирают научные кураторы. Расскажем о некоторых.

Статистический подход: в основе почти каждого проекта по анализу научных данных лежит статистический метод, одни и те же данные по нескольку раз проверяются разными людьми. Если результаты анализа разными волонтерами сильно расходятся, эти данные отправляются ученым для последующей верификации.

Социальный подход: волонтерам предлагается отслеживать и проверять информацию, собранную менее опытными участниками. Социальный метод хорошо зарекомендовал себя в бердвотчинге, где более опытные в определении видов птиц участники помогают проверить наблюдения остальных.

Географический подход: используются известные географические знания для оценки достоверности информации, которую получают волонтеры. Разновидность этого подхода – использование зафиксированной ранее, уже известной информации (даже если она устарела) для проверки новой.

Предметный подход: сопоставление полученных от волонтеров сведений со знаниями о предметной области. Например, в проектах, где производится сбор метеорологических или астрономических наблюдений, почти всегда есть прогнозы об ожидаемых наблюдениях как в пространстве, так и во времени. Таким образом, новые данные можно сверить с предсказанными и дополнительно проверить в случае значимых расхождений.

Инструментальный подход: основывается на данных от оборудования, которое использует человек. Сейчас в смартфонах интегрировано много датчиков: например, файлы изображений, которые фиксируются в смартфонах, включают координаты GPS и отметку времени (этими данными обычным волонтерам трудно манипулировать). Автоматическая инструментальная запись информации обеспечивает доказательство качества и точности данных.

Процессуально-ориентированный подход: участники проходят определенную подготовку перед сбором информации. Процесс сбора или анализа данных строго структурирован, чтобы гарантировать, что полученная информация имеет нужное качество. Волонтеры получают инструкции и стандартизированное оборудование, проходят онлайн-обучение. Регистрация или классификация данных так же четко структурирована. Например, проекты на платформе Zooniverse требуют от участника пройти обучение, прежде чем позволить ему проводить анализ данных.

Часто на открытых платформах по сбору данных есть уже встроенные алгоритмы, которые проверяют данные за ученых. Например, масштабный проект по сбору наблюдений за птицами eBird автоматически проверяет данные в два этапа:

● программа обнаруживает аномалии (то есть наблюдения, необычные для данного региона и времени года);

● затем используется программа проверки качества данных, основанная на прогнозируемом опыте наблюдателя, чтобы решить, следует ли помечать аномалии для проверки.