Citizen Science (CS) is a research approach that has become popular in recent years and offers innovative potential for dialect research in ornithology. As the scepticism about CS data is still widespread, we analysed the development of a 3-year CS project based on the song of the Common Nightingale (Luscinia megarhynchos) to share best practices and lessons learned. We focused on the data scope, individual engagement, spatial distribution and species misidentifications from recordings generated before (2018, 2019) and during the COVID-19 outbreak (2020) with a smartphone using the ‘Naturblick’ app. The number of nightingale song recordings and individual engagement increased steadily and peaked in the season during the pandemic. 13,991 nightingale song recordings were generated by anonymous (64%) and non-anonymous participants (36%). As the project developed, the spatial distribution of recordings expanded (from Berlin based to nationwide). The rates of species misidentifications were low, decreased in the course of the project (10–1%) and were mainly affected by vocal similarities with other bird species. This study further showed that community engagement and data quality were not directly affected by dissemination activities, but that the former was influenced by external factors and the latter benefited from the app. We conclude that CS projects using smartphone apps with an integrated pattern recognition algorithm are well suited to support bioacoustic research in ornithology. Based on our findings, we recommend setting up CS projects over the long term to build an engaged community which generates high data quality for robust scientific conclusions.
Gesellschaftliches Engagement und Datenqualität: Bewährte Praktiken und Erfahrungen aus einem bürgerwissenschaftlichen Projekt zum Vogelgesang
Citizen Science (CS) ist eine Forschungsmethode, die in den letzten Jahren an Bedeutung gewonnen hat und innovatives Potenzial für die Dialektforschung in der Ornithologie bietet. Da die Vorbehalte gegenüber CS-Daten immer noch weit verbreitet sind, haben wir die Entwicklung eines dreijährigen CS-Projekts zum Gesang der Nachtigall (Luscinia megarhynchos) analysiert, um bewährte Praktiken und gewonnene Erfahrungen darzustellen. Wir fokussierten uns auf den Datenumfang, das individuelle Engagement von Teilnehmenden, die räumliche Verteilung und die Fehlbestimmungen von Arten aus Aufnahmen, die vor (2018, 2019) und während des COVID-19-Ausbruchs (2020) mit einem Smartphone unter Verwendung der "Naturblick" App erstellt wurden. Die Anzahl der Aufnahmen von Nachtigallgesängen und das individuelle Engagement stiegen stetig an und erreichten ihren Höhepunkt in der Saison während der Pandemie. 13.991 Aufnahmen von Nachtigallgesängen wurden von anonymen (64%) und nicht-anonymen Teilnehmenden (36%) erstellt. Im Laufe des Projekts weitete sich die räumliche Verteilung der Aufnahmen aus (von Berlin auf bundesweit). Die Rate der Fehlbestimmungen war gering, ging im Laufe des Projekts zurück (von 10% auf 1%) und wurde hauptsächlich von gesanglichen Ähnlichkeiten mit anderen Vogelarten beeinflusst. Unsere Studie zeigte außerdem, dass das gesellschaftliche Engagement und die Datenqualität nicht direkt von den durchgeführten Disseminationsaktivitäten beeinflusst wurden, sondern dass erstere von externen Faktoren abhingen und letztere von der App profitierte. Wir schließen daraus, dass CS-Projekte, die Smartphone-Apps mit einem integrierten Mustererkennungsalgorithmus verwenden, gut geeignet sind, um die bioakustische Forschung in der Ornithologie zu unterstützen. Auf der Grundlage unserer Ergebnisse empfehlen wir, CS-Projekte langfristig zu etablieren, um eine aktive Teilnehmergemeinschaft (Community) aufzubauen, die qualitativ hochwertige Daten für fundierte wissenschaftliche Schlussfolgerungen generiert.
