公益系列 · 057

公众科学(Citizen Science):平台模式与众包科研的参与设计

调研时间:2026 年 9 月 · 篇幅约 3.7 千字 · 面向读者:想做众包科研工具的开发者、科研机构的平台建设者、技术志愿者
TL;DR 公众科学已进入亿级数据时代:eBird 在 2025 年 8 月突破 20 亿条鸟类观测,iNaturalist 观察者超 400 万、可验证观测超 2.5 亿条,Zooniverse 注册志愿者 2026 年 4 月破 300 万、分类总量破 10 亿。平台的可持续性取决于三种模式之一——机构供养(康奈尔鸟类学实验室)、基金会与资助组合(Zooniverse)、社区共建(iNaturalist)。中国以中国观鸟记录中心为代表(2023 年年报 23 万份、活跃用户超 5 万),差距不在参与热情而在数据开放与科研反哺闭环。开发者最值得做的是:AI 辅助识别、数据质量控制、把"记录"变成"反馈"的参与设计。

1背景与定义

公众科学指公众(多为非专业志愿者)系统性参与科研数据的收集、分类与分析的活动。它的历史比互联网久得多——奥杜邦协会的圣诞鸟类调查(Christmas Bird Count)从 1900 年延续至今。互联网与智能手机把三件事变成可能:低门槛提交(拍照即记录)、即时反馈(AI 识别、社区鉴定)、全局聚合(全球一张数据库)。按参与深度可分三层:

与一般"公益 App"不同,公众科学平台的产出是可被科学共同体接受的数据。《纽约时报》2025 年 7 月报道,数以千计的科学论文已依赖 iNaturalist 的数据——这是公众科学从"科普活动"升格为"科研基础设施"的分水岭。

2现状与数据

20 亿
eBird 累计鸟类观测(2025-08,康奈尔鸟类学实验室)
400 万+
iNaturalist 注册观察者;可验证观测超 2.5 亿条
300 万
Zooniverse 注册志愿者(2026-04;分类总量破 10 亿)
平台主办/模式规模(截至 2025–2026)数据产出资金来源
eBird康奈尔鸟类学实验室约 110 万活跃用户;2025 年新增 2290 万份清单、3 亿条观测20 亿条观测、1.5 亿份清单;鸟类分布与丰度模型机构供养+捐赠与资助
iNaturalist独立非营利(曾隶属加州科学院)观察者 400 万+;社区鉴定者更多可验证观测 2.5 亿+,其中约 1.57 亿达"研究级"资助+捐赠+社区
Zooniverse牛津、阿德勒天文馆等联合2025-03 约 270 万 → 2026-04 破 300 万志愿者2026-06 分类总量破 10 亿;50+ 在线项目基金会与科研资助组合
Foldit(蛋白质折叠游戏)华盛顿大学等数十万玩家(估计)多篇顶刊论文,含 2011 年 Nature 蛋白结构解科研经费
中国观鸟记录中心中国观鸟组织联合行动平台(朱雀会)运营,学界共研活跃用户 5 万+;全国观鸟者约 34 万(中山大学等调查口径)2014–2023 累计 50.4 万份报告;2023 年单年 23 万份、年数据量 350 万条资助+行业支持

SciStarter 这类聚合平台收录了全球数千个项目,是了解项目供给面的入口;但真正的数据基础设施集中在上表五家。中国语境下,公众科学经历了从科研机构主导(如中科院植物所"植物标本馆"线上化)到爱好者社区自发组织(观鸟、两爬、昆虫)的转变,观鸟记录中心是目前最成熟的样本。

3主要平台与案例

iNaturalist:社区鉴定如何生产"研究级"数据

iNaturalist 的核心机制是众包鉴定+自动升级:一条记录要有照片/声音、日期与坐标,再由社区投票鉴定物种;当三分之二的鉴定者同意且其中有"顶尖贡献者"背书,记录自动升级为"研究级",可被全球生物多样性信息设施(GBIF)等学术管道引用。它的第二条增长曲线是AI 视觉识别——模型基于社区历史数据给出候选物种,把新手门槛从"认识物种"降到"拍一张照片"。每年一届的"城市自然挑战赛"(City Nature Challenge)则用城市对抗排行榜把数据收集变成节日。启示:数据质量不是审核出来的,是机制设计出来的。

中国观鸟记录中心:从千份到数十万份的中国速度

2014 年平台全年仅收录千余份报告,2023 年单年突破 23 万份,2014–2023 十年累计 50.4 万份报告、年更新数据 350 万条,并已连续发布基于公众数据的《中国鸟类观察年报》,用于鸟种分布模型与保护地评估。平台提供 1400 余种中国鸟类的数据查询、分布查询与"AI 半自动鸟种标疑"。同时学界提醒:个体数量恰好为 1 只的报告占比高达四成,质量存疑,做研究需甄别使用——这正是数据质量工具的用武之地。

Zooniverse 值得单独一提的是它的"降级任务"设计:多条冗余分类交叉验证(每张图多人独立判断),使非专业志愿者也能产出科研级标注;Galaxy Zoo(2007)是其前身,公众分类直接产出了数十篇论文,志愿者还"顺手"发现了 Hanny's Voorwerp(汉尼的天体)这类被专业巡天遗漏的罕见天体。这套交叉验证协议是所有众包标注系统的事实标准。

政策侧的推动同样值得注意:欧盟近年持续资助公众科学平台化与数据互操作项目,多国科研资助机构已把"公众参与"列为部分环境与生物多样性课题的加分项;中国科技部、生态环境部在生物多样性观测网络建设中也明确引入志愿者观测数据作为补充源。对平台开发者而言,这意味着面向科研机构的合规众包采集系统正在成为一条稳定的机构采购路线。

4参与设计与机会

参与设计的四条经验律

开发者机会

个人开发者:接入 iNaturalist/eBird 的开放 API 做本地化应用(区域物种图鉴、校园/保护区打卡小程序);为国内观鸟、昆虫、两爬社区做记录工具的微信小程序端。小团队:数据质量层——异常检测(坐标漂移、不可能的季节分布)、半自动标疑复核界面,直接对接记录中心的真实痛点;以及保护区版的定制监测面板。差异化:把公众科学与"碳普惠式"激励打通(观测即积分),或为高校生态学科研组提供"采集-质控-分析"一站式众包工作流。

机会点 中国的公众科学平台普遍缺"最后一公里":数据从爱好者流向论文与保护决策的管道。做 GBIF 式开放数据接口与年度报告自动化,是最被需要又最少人做的环节。

5风险与挑战

风险一:数据偏差 观测密度与人口、收入高度相关——城市与发达国家过度采样,荒野与全球南方严重欠采样;直接用众包数据做物种分布模型会系统性失真,需带偏差校正。
风险二:志愿者留存 典型的"1% 规律"——极少数重度用户贡献大多数数据;新手流失率高,增长依赖运营活动而非产品本身,长期运营成本被低估。
风险三:经费脆弱 Zooniverse 长期靠基金会与科研资助组合维持;iNaturalist 也经历过从加州科学院独立设非营利的转型。没有机构供养的公众科学平台,先想清楚三年经费再上线。
风险四:数据主权与许可 观测坐标可能暴露珍稀物种位置(招致盗猎)与拍摄者隐私;开放共享(CC0/CC-BY)与风险脱敏(模糊坐标)之间需要明示政策。

6行动建议