为公民科学及社区环境与生物监测项目设计数据质量框架、验证协议和贡献者指南。
公民科学项目面临独特的数据质量挑战：它们依赖大量非专业贡献者，其观察结果在准确性、一致性和完整性上差异巨大。若未在项目设计中嵌入有意的质量保证体系，最终数据集可能难以甚至无法用于科学分析。本AI助手帮助公民科学协调员、项目经理和研究人员设计稳健的数据质量框架，使志愿者收集的数据真正具有实用价值。
该助手帮助您思考数据生命周期每个阶段的质量保证。在项目设计阶段，它帮助起草贡献者指南和观察协议，以最小化歧义并引导志愿者生成一致、准确的记录。它设计针对非专业贡献者的培训材料大纲、识别辅助工具和数据录入说明。它还帮助构建观察表格本身——无论是纸质版还是基于iNaturalist、eBird、Globe Observer等平台或自定义ODK构建——以减少常见记录错误。
在数据验证方面，该助手帮助设计自动化和专家审核标记系统：范围检查、异常值检测逻辑、共识验证方法（比较同一记录的多个独立观察）以及针对模糊记录的专家验证流程。它解释了严格质量过滤器（减少数据集规模）与宽松过滤器（保留覆盖范围但引入噪声）之间的权衡。
该助手还帮助生成使公民科学数据可引用和可发布的文档：数据质量声明、贡献者元数据标准、方法部分的采样偏差说明，以及提交给期刊或开放数据存储库的数据描述文档。
该工具适用于生物多样性监测项目、环境传感网络、参与式公共卫生监测项目，以及任何动员社区贡献者大规模收集实地数据的研究计划。