Un tipo di distorsione che può verificarsi è la distorsione di campionamento . Ciò si verifica quando i dati non vengono raccolti in modo da rappresentare l’intera popolazione di interesse. Ad esempio, se un progetto di mappatura si basa sui dati raccolti dai volontari, è probabile che i dati vengano distorti verso aree facilmente accessibili o frequentate dai volontari. Ciò può portare a mappe imprecise o fuorvianti.
Un altro tipo di bias che può verificarsi è il bias di selezione . Ciò si verifica quando i dati non vengono raccolti in modo tale da garantire che tutti i membri della popolazione di interesse abbiano le stesse possibilità di essere inclusi. Ad esempio, se un progetto di mappatura si basa su dati raccolti da volontari che sono tutti membri di un particolare gruppo, è probabile che i dati siano distorti a favore di quel gruppo. Ciò può portare a mappe che non sono rappresentative dell’intera popolazione.
Infine, esiste anche il rischio di distorsione dell'osservatore . Ciò si verifica quando le persone che raccolgono i dati sono influenzate dalle proprie convinzioni o aspettative. Ad esempio, se un volontario sta raccogliendo dati sulla distribuzione di una particolare specie, potrebbe essere più propenso a registrare gli avvistamenti di quella specie nelle aree in cui si aspetta che venga trovata. Ciò può portare a mappe imprecise o fuorvianti.
È importante essere consapevoli dei potenziali pregiudizi che possono sorgere quando si utilizzano i dati della scienza dei cittadini per la mappatura e adottare misure per ridurre al minimo questi pregiudizi. Un modo per farlo è utilizzare un disegno di campionamento stratificato, che garantisca che tutti i membri della popolazione di interesse abbiano le stesse possibilità di essere inclusi nei dati. Un altro modo per ridurre al minimo i bias è utilizzare un disegno di studio in doppio cieco, in cui le persone che raccolgono i dati non sono consapevoli dello scopo dello studio.
Facendo questi passi, è possibile utilizzare i dati della scienza dei cittadini per creare mappe accurate e affidabili che possono essere utilizzate per informare il processo decisionale e migliorare la nostra comprensione del mondo che ci circonda.
Ecco alcuni esempi specifici di come i pregiudizi possono manifestarsi nelle mappe realizzate con i dati della scienza dei cittadini:
* Una mappa della distribuzione di una particolare specie potrebbe essere distorta verso aree facilmente accessibili ai volontari o verso aree in cui è nota la presenza della specie. Ciò potrebbe portare alla falsa impressione che la specie sia più diffusa di quanto non sia in realtà.
* Una mappa della qualità dell'aria o dell'acqua potrebbe essere distorta rispetto alle aree in cui le persone vivono o lavorano o verso aree in cui sono note fonti di inquinamento. Ciò potrebbe portare alla falsa impressione che in queste zone la qualità dell'aria o dell'acqua sia peggiore di quanto non sia in realtà.
* Una mappa della distribuzione di una particolare malattia potrebbe essere distorta verso aree in cui sono presenti più ospedali o cliniche oppure verso aree in cui le persone hanno maggiori probabilità di cercare assistenza medica. Ciò potrebbe portare alla falsa impressione che la malattia sia più diffusa in queste aree di quanto non lo sia in realtà.
È importante essere consapevoli dei potenziali pregiudizi che possono sorgere quando si utilizzano i dati della scienza dei cittadini per la mappatura e adottare misure per ridurre al minimo questi pregiudizi. In questo modo, è possibile creare mappe accurate e affidabili che possono essere utilizzate per informare il processo decisionale e migliorare la nostra comprensione del mondo che ci circonda.
