Donner du pouvoir à la science citoyenne avec SmartCS
SmartCS simplifie la création d'applications pour la science citoyenne, permettant une participation plus large à la recherche.
― 8 min lire
Table des matières
La Science Citoyenne permet à tout le monde de participer à la recherche scientifique, en contribuant des données précieuses à des projets sur divers sujets. Avec la puissance de la technologie mobile et de l'apprentissage machine (ML), on peut maintenant créer des applis qui aident les gens ordinaires à rassembler des informations plus efficacement. SmartCS est une nouvelle plateforme qui permet à n'importe qui de créer des applis mobiles pour la science citoyenne sans avoir besoin de savoir coder. Cette plateforme facilite la contribution des chercheurs et des participants aux efforts scientifiques.
Le rôle de la science citoyenne
La science citoyenne invite les gens qui n'ont peut-être pas de formation formelle en science à participer à des projets de recherche. Ces participants ont généralement une passion pour le sujet qu'ils étudient ou veulent simplement aider à faire avancer les connaissances scientifiques. Les projets impliquent souvent de collecter des données visuelles, comme des photos ou des vidéos de plantes, d'animaux ou de conditions environnementales spécifiques. En faisant cela, ils aident les scientifiques à rassembler de grandes quantités de données qui seraient normalement difficiles à collecter.
Avec la montée de la technologie, les projets de science citoyenne se déplacent de plus en plus vers des plateformes mobiles. Les gens peuvent utiliser leurs smartphones ou tablettes pour collecter des données où qu'ils aillent. Ces appareils sont équipés de fonctionnalités avancées qui permettent des tâches complexes comme la reconnaissance d'objets sur des photos. L'apprentissage machine peut aider à améliorer le processus de collecte et d'analyse de ces données.
Collecte de données en science citoyenne
Défis dans laPour que les participants collectent des données utiles, quelques compétences de base sont utiles. Par exemple, ils peuvent avoir besoin d'identifier et de nommer les objets qu'ils voient dans leur environnement. Cela peut être une tâche difficile pour ceux qui ne sont pas experts. Les applis mobiles qui utilisent l'apprentissage machine peuvent aider en aidant les utilisateurs à identifier les objets qu'ils doivent rechercher. Cela améliore non seulement la qualité des données collectées, mais enseigne aussi aux participants sur les sujets qu'ils étudient.
Plusieurs plateformes de science citoyenne existent, comme Zooniverse et SPOTTERON, qui permettent aux utilisateurs de créer des applis pour des projets de recherche. Cependant, ces plateformes nécessitent souvent un accès Internet pour fonctionner correctement car elles s'appuient sur des serveurs cloud pour le traitement de l'apprentissage machine. Cette limitation les rend moins adaptées à une utilisation dans des zones reculées où la connectivité Internet peut être faible ou inexistante.
Qu'est-ce que SmartCS ?
SmartCS vise à changer cette situation. Il offre un moyen de créer des applis de science citoyenne qui intègrent l'apprentissage machine directement sur l'appareil de l'utilisateur (côté client). Cela signifie que les utilisateurs peuvent toujours collecter des données précieuses même lorsqu'ils ne sont pas connectés à Internet. La plateforme est conçue pour que tout le monde, peu importe son bagage technique, puisse créer une appli rapidement.
Avec SmartCS, les utilisateurs peuvent choisir parmi des modèles et des fonctionnalités préconçus, leur permettant de se concentrer sur leur projet plutôt que de se laisser submerger par les détails techniques de la création d'applis. Cela permet aux chercheurs de prototyper et de déployer des applis plus rapidement, ce qui peut les aider à toucher un public plus large.
Comment fonctionne SmartCS
La plateforme SmartCS se compose de trois étapes principales dans le processus de création d'applis : créer un ensemble de données, entraîner un modèle d'apprentissage machine et construire une appli mobile.
Créer un ensemble de données : La première étape consiste à rassembler des images ou des vidéos pour entraîner le modèle d'apprentissage machine. Selon la tâche, les utilisateurs doivent étiqueter les images de manière appropriée. SmartCS fournit des outils et des instructions pour aider les utilisateurs à créer leurs ensembles de données d'entraînement.
Former le modèle d'apprentissage machine : Une fois l'ensemble de données prêt, les utilisateurs sélectionnent un modèle d'apprentissage machine adapté dans une liste disponible sur SmartCS. La plateforme permet ensuite aux utilisateurs de former leurs modèles, ce qui apprendra à l'appli comment reconnaître les objets dans les images.
Construire l'appli mobile : Après avoir entraîné le modèle, les utilisateurs peuvent choisir un modèle pour créer leur appli mobile. L'appli inclura des fonctionnalités qui affichent des capacités de collecte de données en temps réel, comme une interface de caméra qui montre les objets détectés à l'aide d'aides visuelles comme des boîtes de délimitation.
Exemples d'applis de science citoyenne créées avec SmartCS
Plusieurs applis ont déjà été développées grâce à SmartCS. Voici quelques exemples de leur utilisation :
RipSnap
RipSnap est conçu pour aider les utilisateurs à détecter les courants de marée à la plage. Il utilise l'apprentissage machine pour identifier ces courants dangereux en temps réel. Les utilisateurs peuvent prendre des photos et contribuer des données qui aident les chercheurs à comprendre comment les courants de marée se comportent dans différents endroits. Ces données peuvent être cruciales pour améliorer les mesures de sécurité sur les plages.
Recycle This
Recycle This est une appli éducative qui enseigne aux utilisateurs le recyclage. Elle aide les utilisateurs à identifier les matériaux recyclables dans leur maison et fournit des informations sur comment recycler différents objets correctement. L'appli utilise l'apprentissage machine pour classer des éléments comme le papier, le verre et le plastique, permettant ainsi aux utilisateurs d'apprendre tout en participant.
Seal vs. Sea Lion
Cette appli aide les chercheurs à faire la différence entre les phoques et les lions de mer. En utilisant l'apprentissage machine, l'appli aide les non-experts à identifier ces animaux dans la nature, contribuant ainsi aux efforts de collecte de données concernant la biodiversité et la conservation.
Avantages de l'utilisation de SmartCS
SmartCS apporte plusieurs avantages au monde de la science citoyenne :
Pas besoin de coder : La plateforme est conçue pour les gens qui n'ont peut-être pas d'expérience en programmation. Cela ouvre la porte à plus de personnes pour participer à la création d'applis de science citoyenne.
Apprentissage machine côté client : En permettant aux applis de fonctionner hors ligne, SmartCS facilite la collecte de données pour les utilisateurs dans des zones reculées. Les participants peuvent compter sur l'appli pour une identification et une assistance en temps réel.
Rapidité et efficacité : La plateforme fournit des modèles et des fonctionnalités préconçus qui simplifient le processus de développement d'applis. Les utilisateurs peuvent créer et déployer des applis beaucoup plus rapidement.
Opportunités éducatives : Pendant que les utilisateurs interagissent avec les applis, ils apprennent aussi sur les sujets qu'ils étudient. Cela améliore l'expérience globale et peut susciter un plus grand intérêt pour la science.
Retours des utilisateurs et études
Des études auprès des utilisateurs réalisées avec la plateforme SmartCS montrent qu'elle est efficace et facile à utiliser. Des groupes d'élèves de lycée ont pu créer des applis sans connaissances préalables en programmation. Ils ont terminé leurs projets en quelques semaines, montrant que la plateforme est conviviale.
Les participants ont également testé plusieurs applis de science citoyenne créées avec SmartCS, fournissant des retours sur leurs expériences. Beaucoup ont trouvé les applis faciles à naviguer, bien qu'ils aient noté que certaines fonctionnalités pourraient être améliorées pour offrir plus de personnalisation.
Globalement, la réponse à SmartCS a été positive. Les utilisateurs apprécient la capacité de produire des applis utiles qui soutiennent les efforts scientifiques et facilitent l'apprentissage.
Directions futures
En regardant vers l'avenir, SmartCS prévoit de continuer à affiner sa plateforme en tenant compte des retours des utilisateurs et en améliorant les fonctionnalités. L'accent est mis sur l'amélioration de l'interface utilisateur et l'ajout de plus de ressources pour aider les utilisateurs à naviguer dans le processus de création d'applis.
La plateforme explore également la possibilité d'incorporer la collaboration entre les utilisateurs humains et l'apprentissage machine. Cela pourrait impliquer de permettre aux utilisateurs de vérifier ou de corriger des informations détectées par la machine, menant à une meilleure précision dans la collecte de données.
De plus, SmartCS vise à inclure plus de modèles d'apprentissage machine à l'avenir alors que la technologie avance. Cela offrira aux utilisateurs encore plus d'options pour construire des applis de science citoyenne efficaces dans diverses disciplines.
Conclusion
SmartCS représente un progrès significatif pour rendre la science citoyenne plus accessible à tout le monde. En permettant aux utilisateurs de développer leurs applis mobiles sans compétences en codage, la plateforme donne aux individus les moyens de s'engager dans la recherche scientifique. Avec des capacités d'apprentissage machine côté client, elle ouvre de nouvelles opportunités pour la collecte de données dans des zones reculées.
Les retours positifs des utilisateurs indiquent que SmartCS est un outil prometteur tant pour les chercheurs que pour les participants. À mesure que la plateforme évolue, elle a le potentiel d'élargir la portée de la science citoyenne, permettant à encore plus de personnes de contribuer à notre compréhension du monde qui nous entoure.
Titre: SmartCS: Enabling the Creation of ML-Powered Computer Vision Mobile Apps for Citizen Science Applications without Coding
Résumé: It is undeniable that citizen science contributes to the advancement of various fields of study. There are now software tools that facilitate the development of citizen science apps. However, apps developed with these tools rely on individual human skills to correctly collect useful data. Machine learning (ML)-aided apps provide on-field guidance to citizen scientists on data collection tasks. However, these apps rely on server-side ML support, and therefore need a reliable internet connection. Furthermore, the development of citizen science apps with ML support requires a significant investment of time and money. For some projects, this barrier may preclude the use of citizen science effectively. We present a platform that democratizes citizen science by making it accessible to a much broader audience of both researchers and participants. The SmartCS platform allows one to create citizen science apps with ML support quickly and without coding skills. Apps developed using SmartCS have client-side ML support, making them usable in the field, even when there is no internet connection. The client-side ML helps educate users to better recognize the subjects, thereby enabling high-quality data collection. We present several citizen science apps created using SmartCS, some of which were conceived and created by high school students.
Auteurs: Fahim Hasan Khan, Akila de Silva, Gregory Dusek, James Davis, Alex Pang
Dernière mise à jour: 2024-05-23 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2405.14323
Source PDF: https://arxiv.org/pdf/2405.14323
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.
Liens de référence
- https://anylabeling.nrl.ai/
- https://www.andromo.com/
- https://appsgeyser.com/
- https://www.appypie.com/
- https://buildfire.com/
- https://doi.org/10.1016/j.earscirev.2016.09.008
- https://doi.org/10.1016/j.coastaleng.2021.103859
- https://fathomnet.org/fathomnet
- https://doi.org/10.1145/2858036.2858094
- https://www.waste360.com/recycling/covanta-survey-americans-don-t-know-how-recycle
- https://www.tensorflow.org/
- https://github.com/heartexlabs/labelImg
- https://github.com/heartexlabs/awesome-data-labeling
- https://yolov8.com/
- https://www.wildme.org