伽利略：使用社交计算系统进行市民主导的实验

文献标题

Galileo: Citizen-led Experimentation Using a Social Computing System

文献信息

• 主题领域: 社会计算系统与公民科学实验
• 关键词: 社会计算系统、公民科学、众包、实验设计、在线协作、随机实验、用户驱动研究、个人信息学、自我跟踪、行为科学。

研究背景与问题

• 作者发现的问题或挑战:

  1. 普通人往往对健康问题或行为模式有疑问，但缺乏科学探究这些问题的专业知识和资源。
  2. 当前公民科学领域更多是数据收集，而非设计和执行实验，导致公众无法直接回答他们自己提出的问题。
  3. 在设计实验过程中，技术要求和背景知识使得非专业人员很难有效参与。
  4. 缺乏平台和工具支持普通人参与科学研究，尤其是在设计和运行随机对照实验方面。

• 问题的重要性:

  1. 通过扩大参与科学实验的人员范围，可以增强社会科学素养，帮助公众更深入地理解科学和数据驱动的过程。
  2. 个人主导的实验潜力巨大，可以填补科学界的部分研究空白，并为普通人提供工具以更好地理解和提升生活质量。

• 研究动机与相关工作:

  1. 当前已有的公民科学项目，如鸟类计数与星系分类，虽然扩大了公众参与，但主要解决的是专家设定的问题，而不是参与者自发的问题。
  2. 与如 HabitLab 和 PatientsLikeMe 等系统不同，Galileo 致力于让普通人设计实验，而非仅仅成为数据贡献者。
  3. 相关文献表明，尽管直观经验和强烈的个人动机往往能带来创新视角，但缺乏系统支持会限制其影响。

解决方案

• 提出的方法或解决方案: Galileo 是一个社会计算系统，支持用户从直觉问题出发，设计、审查和运行随机实验。其提供的主要支持包括：

  1. 实验设计流程：通过逐步指引和即时培训，帮助用户将直觉问题转化为结构化假设。
  2. 审查流程：提供嵌入式问题，引导审查者提供反馈。
  3. 自动化流程：管理数据收集、随机分组、参与者提醒等运行时任务。

• 解决方案的创新之处:

  1. 为非专业用户设计支持工具，减少对专家干预的依赖。
  2. 包括从设计到运行的完整闭环支持，使参与者能够测试他们自己的假设。
  3. 使用模块化任务和逐步教学，使复杂的实验设计变得直观可操作。

• 实施步骤与关键技术:

  1. 用户在平台上注册，进入实验设计模块，完成假设形成、条件设定和测量选择。
  2. 用户设计的实验需通过至少两名审查者的审查，审查通过后可运行。
  3. 平台通过自动化功能，如随机分组、发送任务提醒和匿名化数据，支持实验执行。
  4. 实验完成后，参与者和设计者可查看结果，并通过讨论改进实验。

研究成果

• 具体成果:

  1. 实验设计质量: 平台测试结果表明用户可以设计出结构合理且主题贴近自身生活的实验，75%的用户实验达到了13个评分标准中的高质量要求。
  2. 试验运行实例: 三个社区（Kombucha、Open Humans 和 Beer）成功完成并运行了为期 7 天的实验，即使参与者背景多样，但平台形式帮助用户完成了初步实验周期。
  3. 审查与反馈: 审查者提供了许多实用的改进建议，增强了实验设计的实证性和可操作性。

• 优势:

  1. 自动化流程（如数据收集与分组）降低了实验设计者的操作负担。
  2. 系统化的设计支持帮助用户克服了非专业知识的限制。
  3. 公民实验与既有科学研究形成补充，为普通人的直觉理论提供验证平台。

• 实验或评估结果:

  1. 平台用户从 16 个国家进行实验设计，38% 的实验基于个人经验，17% 的实验具有科学研究的潜在新颖性。
  2. 社区实验的参与率分别为 68%、63% 和 90%，表明面对不同主题的吸引力和退订率的差异。

• 局限性与未来方向:

  1. 当前大多数实验设计者具有高学历背景，这对更广泛的使用者群体的适配性有限。
  2. 数据显示两项实验的样本容量不足，表明公众主导实验在招募参与者上存在挑战。
  3. 未来工作应关注如何改进平台的普适性，以及如何通过现成实验模板、社交网络招募策略等方法降低实验推进门槛。

总结

本文通过 Galileo 系统展示了普通用户设计和运行实验的可能性，在扩大科学参与范围和激发个人科学潜力方面具有重大意义。尽管当前系统在大众化和样本充足性上存在挑战，但其为推动科学民主化提供了重要的技术路径。