Citizen Science: Contributions to Astronomy Research
Space Telescope Science Institute（空间望远镜科学研究所）；Oxford University（牛津大学）；University of Minnesota（明尼苏达大学）；University of Nottingham（诺丁汉大学）
日常个人对重大研究的贡献已经大大超过了19世纪早期的经典观鸟和业余爱好者的努力。现在，对科学感兴趣的人可以直接参与涵盖不同科学领域的研究。在天文学方面，志愿人员，无论是作为个人还是作为人的网络，都参与了各种类型的研究。公民科学是直觉的，引人入胜的，但在采用科学原则和方法时必须是稳健的。在这里，我们讨论公民科学，重点是充分参与的项目，如Zooniverse（由几个作者CL，AS，LF，SB），并提到其他计划。特别是，我们的情况下，公民科学（CS）可以是一个重要方面的科学数据分析管道提供给科学家的天文台。
2012-02-12 astro-ph.IM cs.AI
Citizen ASAS-SN Data Release II: Variable Star Classification Using Citizen Science
本研究为Citizen ASAS-SN公民科学项目的第二批成果，依托Zooniverse平台让用户基于光变曲线分类变星，从9万余候选体中识别出4432颗新变星并统计分类一致率，还对比了已知变星、筛选出特殊变星样本。
2024-08-15 astro-ph.IM astro-ph.SR
The SATCHEL pipeline: A general tool for data classified through citizen science
公民科学是一种强大的分析工具，能够在很短的时间内处理大量的数据。为了弥合基于网络的公民科学平台的分类数据产品与统计上稳健的信号显著性分数之间的差距，我们提出了在公民科学寻找光曲线系外行星（SATCHEL）管道中的过境搜索算法。这个开源的、可定制的管道是为了识别和分配志愿者标记的一维特征的重要性估计而构建的。我们描述了SATCHEL管道的功能，通过应用程序的功能，从开普勒太空望远镜的光度时间序列数据，分类由志愿者作为行星猎人公民科学项目的一部分，在Zooniverse平台上托管。我们评估SATCHEL管道的整体性能的基础上恢复已知的信号（模拟和信号对应于官方开普勒对象的兴趣）和相对污染的虚假功能。我们发现，对于一系列管道超参数和合理的分数截止值，SATCHEL能够从对应于半径为$>2~R_\oplus$的系外行星的模拟中恢复超过98%的信号的志愿者识别，并且大约85%的信号对应于相同大小范围的KOI。SATCHEL可以透明地适应其他公民科学分类数据集，并可在GitHub上使用。
2022-03-17 astro-ph.EP astro-ph.IM
RACIMO@Bucaramanga: A Citizen Science Project on Data Science and Climate Awareness
本文介绍了一种协作经验，使有组织的社区能够制作，管理和传播环境数据。特别强调开放式硬件和软件架构的描述以及低成本Arduino-Raspberry-Pi气象站的调试过程，该气象站测量：大气压力，温度，湿度，降水，云量和照度/辐照度。这个想法是为了鼓励更多的人复制这个开放科学的倡议。我们已经开始通过12个两小时的课程大纲培训来自七所中学的学生和教师，并提供基于网络的支持，使他们了解公民科学和开放数据科学的基本概念和实践。
2022-03-10 astro-ph.IM cs.SY eess.SY
A citizen-science approach to muon events in imaging atmospheric Cherenkov telescope data: the Muon Hunter
事件分类是伽玛射线天体物理学中的一项常见任务。它可以用快速发展的机器学习算法来处理，这些算法有可能优于传统的分析方法。然而，机器学习模型的一个主要挑战是从真实数据中提取可靠标记的训练示例。公民科学为应对这一挑战提供了一种有希望的方法。我们介绍了“μ子猎人”，一个在Zooniverse平台上托管的公民科学项目，其中VERITAS数据由个人用户多次分类，以选择和参数化μ子事件，这是宇宙射线诱导簇射的产物。我们使用这个数据集来训练和验证卷积神经网络模型，以识别μ子事件，用于监测和校准。这项工作的结果和我们使用Zooniverse的经验。
2017-08-21 astro-ph.IM
Managing the Public to Manage Data: Citizen Science and Astronomy
公民科学项目招募公众成员作为志愿者来处理和制作数据集。这些数据集必须赢得科学界的信任。确保可信度的任务部分涉及应用标准科学程序来清理这些数据集。然而，有效管理志愿者行为也对提高数据质量作出了重大贡献。通过银河动物园的案例研究，一个公民科学项目，建立了星系形态的志愿者分类的基础上生成的数据集，本文探讨了参与运行该项目的管理志愿者。本文重点讨论了志愿人员贡献的计入方法如何激励志愿人员提供更高质量的贡献，并在将志愿人员贡献合并到数据集中时，以更好地符合统计假设的方式行事。这些方法为该项目的成功做出了重大贡献，确保了对这些数据集的信任，这些数据集已被其他科学家很好地使用。实践的影响，然后提出了公民科学项目，提供了一个考虑因素，以指导选择如何信贷志愿者的贡献，以提高质量和可信度的公民科学产生的数据集。
2017-02-28 astro-ph.IM cs.HC
Citizen ASAS-SN Data Release I: Variable Star Classification Using Citizen Science
我们介绍了Citizen ASAS-SN的第一个结果，这是一个公民科学项目，用于在Zooniverse平台上托管的全天空超新星自动调查（ASAS-SN）。公民ASAS-SN利用更新，更深，更高的节奏ASAS-SN $g$波段数据和任务志愿者分类周期变星候选人的基础上，他们的相位光变曲线。我们从40，640个新的候选变量开始，这些候选变量来自一个${\sim} 7.4$百万颗恒星的输入列表，其中有$δ< -60^\circ$，志愿者们确定了10，420个新发现，他们将其归类为4，234个脉动变量，3，132个旋转变量，2，923个食双星，131个标记为未知的变量。他们对已知的变星进行了分类，脉动变星的准确率为89%，食双星的准确率为81%，旋转变星的准确率为49%。我们检查用户的性能，用户之间的协议，并比较公民科学分类与我们的机器学习分类更新的$g$波段光变曲线。通常，用户活动与更高的分类准确度和更高的用户一致性相关。我们使用用户的“垃圾”分类来开发一个有效的机器学习分类器，以区分真实变量和虚假变量，并且有一个明确的路径来使用这个“垃圾”训练集来显着改进我们的主要机器学习分类器。我们还举例说明了公民ASAS-SN识别异常变量的价值。
2021-11-03 astro-ph.IM astro-ph.SR
Launching the VASCO citizen science project
百年观测期间消失和出现的源（VASCO）项目调查了跨越70年时间间隔的天文观测，寻找不寻常和奇异的瞬变。我们在此介绍了VASCO公民科学项目，该项目可以识别由三种不同方法驱动的不寻常的候选人：假设，探索性和机器学习，这对SETI搜索特别有用。为了应对大数据挑战，VASCO结合了三种方法：虚拟天文台，用户辅助机器学习和通过公民科学进行视觉检查。在这里，我们展示了公民科学项目及其改进的候选人选择过程，我们给一个进度报告。我们还介绍了由主要位于阿尔及利亚，喀麦隆和尼日利亚的业余天文学协会领导的VASCO公民科学网络。在撰写本文时，公民科学项目已经仔细检查了数据中的15,593个候选图像对（约1000个）。10%的候选者），迄今已确定了798个被归类为“消失”的物体。最有趣的候选者将随后进行光学和红外成像，以及最强大的射电望远镜的观测。
2022-12-26 astro-ph.EP astro-ph.HE astro-ph.IM
Pan-African Citizen Science e-Lab: An Emerging Online Platform for Astronomy Research, Education and Outreach in Africa
泛非公民科学电子实验室（PACS e-Lab）通过在线平台促进非洲公众参与天文学研究，已吸引40多国600余人，并契合联合国七个可持续发展目标。
2024-08-06 astro-ph.IM physics.ed-ph
Galaxy Zoo: Morphological Classification and Citizen Science
我们简要介绍了银河动物园和Zooniverse项目，包括对这些项目的历史和动机的简短讨论，以及审查这些创新的基于互联网的公民科学项目迄今为止所产生的科学。我们简要描述了在数据密集型研究中将增强人类模式识别能力应用于复杂数据的方法。我们还提供了一个讨论的经验教训，从开发和运行这些基于社区的项目，包括对这种方法的未来应用的想法。这篇评论的目的是给读者一个快速和简单的介绍Zooniverse。
2011-04-28 astro-ph.CO astro-ph.IM
Galaxy Zoo: Exploring the Motivations of Citizen Science Volunteers
银河动物园公民科学网站邀请任何有互联网连接的人通过对斯隆数字巡天的星系进行分类来参与研究。截至2009年4月，超过200，000名志愿者已经完成了超过1亿个星系分类。在本文中，我们提出了一个试点研究的动机和人口统计学的银河动物园志愿者的结果，并定义了一种技术，以确定从自由的反应，可用于较大的多项选择调查与类似的人群的动机。我们的分类构成了未来调查的基础，目的是确定每种动机的普遍性。
2009-09-16 astro-ph.GA astro-ph.IM physics.pop-ph
Radio Galaxy Zoo: EMU -- paving the way for EMU cataloging using AI and citizen science
针对EMU巡天中延展射电源的识别难题，RGZ EMU项目提出结合公民科学与机器学习的通用框架，旨在识别约400万个延展源，增强EMUCAT编目能力。
2025-06-19 astro-ph.IM
Citizen Science to Assess Light Pollution with Mobile Phones
对夜间人造灯光颜色的分析对不同领域产生了影响，但目前的数据来源要么分辨率有限，要么缺乏特定区域的图像。在这项工作中，我们提出了一个替代的数据源路灯的众包照片：为此，我们设计了NightUp Castelldefels，一个试点的公民科学实验，旨在收集有关路灯的颜色数据。特别是，我们从收集的图像中提取颜色，并将其与官方数据库进行比较，表明可以根据未经培训的公民用自己的智能手机拍摄的照片中的颜色对路灯进行分类。我们还比较了我们的研究结果，从目前的这种研究来源之一获得的结果。比较突出了这两种方法如何在该地区的夜间提供有关人造光的互补信息。这项工作开辟了一条研究夜间人造光颜色的新途径，有可能收集准确，大量和廉价的数据。
2022-10-20 astro-ph.IM
Commons at the Intersection of Peer Production, Citizen Science, and Big Data: Galaxy Zoo
知识共享的研究框架适用于一个共同治理的情况下，在现代天文学的研究接地。银河动物园的案例是至少三种不同的当代现象的一个主要例子。首先，银河动物园是一个全球性的公民科学项目，其中招募了志愿者非科学家通过互联网参与大规模数据分析。其次，银河动物园是一个非常成功的同行生产的例子，有时通俗地称为众包，通过这种方式，数据由大量匿名和匿名的贡献者收集，提供和/或分析，以集中协调或管理企业。第三，银河动物园是数据密集型科学的一个非常明显的例子，有时被称为电子科学或大数据科学，科学研究人员通过现代传感和成像技术开发方法来处理大量的数字数据。本章通过知识共享框架综合了这三种观点。
2014-09-15 astro-ph.GA astro-ph.IM
Radio Galaxy Zoo EMU: Harnessing Citizen Science and AI to Advance Open Science Catalogues
针对自动识别射电源的算法在复杂结构识别和宿主星系关联上的局限，RGZ EMU项目结合ASKAP望远镜和EMU巡天数据，整合新型机器学习技术与公民科学，生成高质量分类结果以训练模型和编目射电源，并展示了第一阶段成果及其对开放科学目录的改进价值。
2025-09-24 astro-ph.GA astro-ph.IM
CzSL: Learning from citizen science, experts and unlabelled data in astronomical image classification
针对公民科学天文图像标注质量不足、现有方法未充分利用专家标注与未标注数据的问题，提出CzSL方法，结合卷积自编码器与CNN的预训练微调，在Galaxy Zoo数据集上提升了分类性能。
2023-10-04 astro-ph.GA astro-ph.IM eess.IV
Citizen Astronomy in China: Present and Future
公民科学是指由非专业科学家（如业余爱好者或普通公众）进行或参与的科学研究。公民天文学是公民科学的一个典型例子。近几十年来，公民天文学家从技术进步中受益，因为他们填补了专业天文学家在时域观测，视觉分类和数据挖掘等领域留下的科学空白。中国的天文学家在新天体的发现方面做出了显著的贡献，但与西方同行相比，他们似乎对不涉及新发现的研究不太感兴趣，如视觉分类，长期监测天体和数据挖掘。通过对我国公民天文爱好者的问卷调查，发现我国公民天文爱好者以男性（$92\%$）为主，且大多居住在经济发达的省份。很大一部分（$69\%$）受访者是学生和25岁以下的年轻专业人士，这与典型中国互联网用户的职业和年龄分布以及银河动物园等大型国际公民科学项目的用户分布存在显著差异。这表明中国青年一代比一般一代更愿意参与公民天文学研究。此外，我们发现，对天文学的兴趣，学习新知识的愿望，有一个有趣的经验，并在社会上结识新朋友都是中国公民天文学家参与研究的重要驱动因素。这也与西方国家的同行不同。(full PDF格式的摘要）
2017-11-06 astro-ph.IM
The Milky Way Project: Leveraging Citizen Science and Machine Learning to Detect Interstellar Bubbles
我们提出Brut，一种算法来识别银河系中平面的红外图像中的气泡。Brut基于随机森林算法，并使用来自银河系项目的超过35，000名公民科学家识别的气泡来发现斯皮策太空望远镜图像中气泡的识别特征。我们证明了布鲁特识别气泡的能力与天文学家专家相当。我们使用Brut重新评估银河系计划目录中的气泡，发现该目录中10-30%的对象是非气泡闯入者。相对于这些闯入者，高可靠性的气泡更多地局限于中平面，并且沿着气泡边缘和在气泡边缘内显示出更强的过剩年轻恒星物体。此外，Brut能够发现以前搜索中遗漏的气泡-特别是明亮光源附近的气泡，这些气泡相对于周围环境的对比度较低。Brut展示了公民科学家、专业科学家和机器学习技术之间存在的协同效应。在“未经训练的”公民可以识别机器未经训练无法检测的模式的情况下，像Brut这样的机器学习算法可以使用公民科学项目的输出作为输入训练集，为加快科学发现的步伐提供了巨大的机会。机器学习的混合模型与来自公民科学家的众包训练数据相结合，不仅可以对大量数据进行分类，还可以解决单独部署时每种方法的弱点。
2014-06-10 astro-ph.GA astro-ph.IM
A BOINC based, citizen-science project for pixel Spectral Energy Distribution fitting of resolved galaxies in multi-wavelength surveys
在这项工作中，我们提出了我们的经验，从第一年的天网泛星1光学星系巡天（POGS）项目。这个公民科学家驱动的研究项目使用伯克利开放式网络计算基础设施（BOINC）中间件和数千台互联网连接的计算机来测量约10万个低红移星系的解析星系结构特性。我们正在结合GALEX，Pan-STARRS 1，SDSS和WISE的光谱覆盖范围，为附近的宇宙生成一个增值的多波长紫外光学近红外星系图集。具体来说，我们正在测量物理参数（如本地恒星质量，恒星形成率，和一阶恒星形成历史）上解决像素的基础上，使用光谱能量分布（SED）拟合技术在分布式计算模式。
2013-10-03 astro-ph.GA astro-ph.IM cs.DC
Citizen Science on the Faroe Islands in Advance of an Eclipse
2015年3月20日，北大西洋将发生日全食，丹麦王国的法罗群岛和挪威的斯瓦尔巴群岛（前斯匹茨卑尔根）是陆地观测的唯一选择。该地区以狂野、不可预测且经常多云的天气而闻名，这可能对希望观看这一奇观的人们构成严重威胁。我们报告了一个公民科学，天气监测项目，总部设在法罗群岛，这是在2014年3月进行的-一年前的日食。该项目旨在提高当地社区对日食的认识，收集的数据提供了2015年可能出现的典型天气状况的定量概述。它还使我们能够验证短期天气预报的有用性，这可能会被用来增加观测日食的可能性。
2015-02-27 astro-ph.IM astro-ph.SR physics.pop-ph
A citizen science exploration of the X-ray transient sky using the EXTraS science gateway
现代软X射线天文台可以对时域天体物理学产生独特的见解，并且大量信息存储在数据档案中，并且大部分未被利用。像寻宝一样，EXTraS项目收获了迄今为止尚未探索的时间域信息，这些信息隐藏在XMM-牛顿卫星上的欧洲光子成像相机仪器在20年的观测中收集的偶然数据中。结果是一个巨大的目录，描述了数十万个X射线源的时间行为。但目录只是一个起点，因为它还需要进一步分析。在该项目期间，为意大利、德国和英国的高中生确定了一项教育活动，并在几个讲习班上开展了这一活动。最终的目标是让学生和公民科学家参与整个验证过程：他们查看数据并尝试发现新的来源，或描述已知的来源。本文介绍了如何使用EXTraS科学网关来完成这些任务，并强调了第一个发现，在球状星团NGC 6540的耀斑X射线源。
2019-11-15 astro-ph.HE astro-ph.IM
Discovering features in gravitational-wave data through detector characterization, citizen science and machine learning
引力波的观测受到瞬态噪声（毛刺）的阻碍。我们研究了高级LIGO探测器第三次观测运行的数据，并确定了新的故障类别。使用通过监测探测器状态和公民科学志愿者组装的训练集，我们更新了Gravity Spy机器学习算法以进行故障分类。我们发现，一个新的毛刺类地面运动的检测器的网站是特别普遍，并确定两个子类，这与不同类型的地面运动。基于更新模型的数据重新分类发现，LIGO Livingston所有瞬态噪声中有27%属于新的毛刺类，使其成为该站点最常见的瞬态噪声源。我们的研究结果既展示了故障分类如何揭示引力波探测器的潜在改进，又展示了在适当的框架下，公民科学志愿者如何在大型数据集中做出发现。
2021-09-07 astro-ph.IM gr-qc physics.ins-det
The Exoplanet Citizen Science Pipeline: Human Factors and Machine Learning
Dublin City University（都柏林城市大学）
该研究通过结合人类中心设计与机器学习，优化公民科学观测流水线，提升系外行星观测效率和参与度。
2025-03-18 astro-ph.EP astro-ph.IM cs.LG
The simplest method to measure the geocentric lunar distance: a case of citizen science
我们提出的测量地心月球距离的结果，我们提出的是最简单的方法，以达到精确的结果。虽然月球距离已经被系统地测量到几毫米的精度，使用强大的激光器和阿波罗任务安装在月球上的回射器，这里设计和应用的方法可以很容易地被非科学家公民（例如业余天文学家或学生）使用，它只需要一个好的数码相机。在发起了一个名为“阿里斯塔克斯运动”的公民科学项目后，我们编辑并测量了一系列由我们中的一个人（J.C. Figueroa）。这些测量使我们能够以3%的精度估计月球距离。我们在这里描述如何执行测量和方法来计算从他们的地心月球距离只使用图片的时间戳和精确测量的瞬时月球视直径。我们在这里的目的不是提供任何已知天文量的改进测量，而是展示公众如何参与科学工作，以及如何使用简单的仪器和现成的技术设备，如智能手机和数码相机，任何人都可以像古代天文学家那样测量本地宇宙。
2014-05-19 astro-ph.IM physics.pop-ph
Precovery of near-Earth asteroids by a citizen-science project of the Spanish Virtual Observatory
本文介绍了一个由西班牙虚拟天文台（SVO）进行的公民科学项目，该项目旨在利用天文档案中的数据改进近地小行星（NEAs）的轨道。小行星中心维持的近地小行星清单每天都要核对，以查明新的物体或已编目物体轨道参数的变化。使用NEODyS，我们计算这些物体在938046幅图像的观测时期的位置和大小，这些图像包括斯隆数字化巡天（SDSS）的第八次数据发布。如果物体位于图像边界内并且亮度比极限亮度更亮，则项目合作者（公民）将对相关图像进行目视检查，以确认或放弃NEA的存在。如果得到确认，准确的坐标，有时还有震级都将提交给MPC。利用这一方法，3，226名注册用户在项目的前15个月进行了167，000多次测量，改善了551个近地小行星（占这类小行星总数的6%）的轨道要素。更值得注意的是，这些结果是在不耗费望远镜时间的情况下获得的，因为在进行巡天时偶然观测到了近地小行星。这表明了天文档案中隐藏的巨大科学潜力。该项目的广泛接受以及所取得的成果使其成为改进近地小行星轨道参数的宝贵和可靠的工具。
2013-02-21 astro-ph.EP astro-ph.IM
Impact of Exoplanet Science on Society: Professional Contributions, Citizen Science Engagement and Public Perception
该研究通过论文占比、任务占比等指标呈现系外行星科学的专业贡献，介绍公民科学参与的作用与公众认知变化，揭示其对社会的多维度影响。
2024-10-09 astro-ph.EP astro-ph.IM physics.soc-ph
Discovering Long-period Exoplanets using Deep Learning with Citizen Science Labels
University of Oxford（牛津大学）
鉴于现代望远镜巡天的规模，自动行星凌日探测对于确定专家分析的候选对象的优先次序至关重要。由于光变曲线的周期性，目前用于短周期系外行星探测的方法有效地工作，但缺乏用于探测单凌日事件的鲁棒方法。然而，最近由行星猎人TESS（PHT）项目收集的志愿者标记的凌日现在提供了一个前所未有的机会，可以研究数据驱动的长期系外行星探测方法。在这项工作中，我们训练一个1-D卷积神经网络分类行星凌日使用PHT志愿者分数作为训练数据。我们发现，使用志愿者的分数显着提高了合成数据的性能，并使已知行星的恢复精度和速度与志愿者相匹配。重要的是，该模型还恢复了志愿者发现但被当前自动化方法错过的过境。
2022-11-13 astro-ph.EP astro-ph.IM cs.LG
Citizen Science Time Domain Astronomy with Astro-COLIBRI
本文介绍 Astro-COLIBRI 平台如何实时汇聚全球瞬变天文事件警报，并为业余天文学家和公民科学家提供亮事件筛选、自定义位置及引力波光学对应体观测计划等功能。
2023-09-26 astro-ph.HE astro-ph.IM
Astro-COLIBRI: Empowering Citizen Scientists in Multi-Messenger Astrophysics
Astro-COLIBRI是一个集成实时警报、数据可视化与协作功能的平台，通过支持各级业余天文学家参与瞬变天体物理现象的观测，促进了多信使天体物理学的普及与时域发现的全球协作。
2025-07-14 astro-ph.HE astro-ph.IM physics.pop-ph
Combining human and machine learning for morphological analysis of galaxy images
Lawrence Technological University（劳伦斯理工大学）；Middle Tennessee State University（中田纳西州立大学）
数字巡天收集数以百万计的星系图像的重要性日益增加，加强了对强大的方法，可以执行大型星系图像数据库的形态分析的需要。像银河动物园这样的公民科学计划表明，非科学家志愿者可以有效地分析星系图像的大型数据集，但由于机器人望远镜产生的数据库增长速度远远超过任何公民科学家群体的处理能力，很明显，计算机分析是必要的。在这里，我们建议使用公民科学数据来训练机器学习系统，并展示了实验结果，证明机器学习系统可以用公民科学数据来训练。我们的研究结果表明，机器学习的性能取决于数据的质量，可以通过使用公民科学家之间高度一致的样本来提高数据的质量。该方法的源代码是公开的。
2014-09-28 astro-ph.GA astro-ph.IM cs.CV
Disk Detective: Discovery of New Circumstellar Disk Candidates through Citizen Science
磁盘侦探公民科学项目旨在利用美国宇航局WISE任务的数据，从星周尘埃中发现22微米过量发射的新恒星。AllWISE星表的初始削减提供了277，686个源的输入星表。然后志愿者们在线观看10个不同波段的每一个来源的图像，以识别假阳性（星系、背景恒星、星际介质、图像伪影等）。在这次在线审查中幸存下来的来源将在FLWO Tillinghast望远镜上进行光谱学跟踪。这种方法应该允许我们释放WISE的全部潜力，以寻找新的碎片盘和原行星盘。我们宣布了该项目发现的37个新磁盘候选者的第一份名单，我们描述了我们的审查和后续过程。其中一个系统似乎包含第一个在具有白矮星伴星的恒星周围发现的碎片盘：HD 74389。我们还报告了四个新发现的经典Be星（HD 6612，HD 7406，HD 164137和HD 218546）和一个新的检测到的22微米的过剩周围以前已知的碎片盘主星，HD 22128。
2016-07-19 astro-ph.EP astro-ph.IM astro-ph.SR
Leadership and Participation in NASA's Explorer-Class Missions
我们对2008年至2016年期间发布的九次招标中NASA天体物理学探索者级任务的领导和参与情况进行了数据研究，使用性别作为多样性的标志。在此期间，102名主要研究者（PI）提交了探索者级提案;其中只有4名PI是女性。在102名PI中，共有61名独特的PI;其中只有3名是女性。在这些提案中，科学团队中女性的比例从最低的10%到最高的19%不等。综合所有这些探索者级提案的数据，我们发现女性在科学团队中的总体参与率为14%。在18项探索者级提案中，担任科学职务的女性为零，其中包括成员多达28人的科学团队。这些结果表明，妇女参与领导和在许多情况下参与探索者级飞行任务建议科学小组的人数远远低于妇女在整个天文学和天体物理学领域的代表人数。在本白皮书中，我们提出了我们的数据和我们的结果，他们的背景，以及Astro 2020在其研究的专业状态考虑的后果的讨论。
2019-09-18 astro-ph.IM
Engaging and Educating Eclipse Observers Through Workshops, Media, Planetarium shows and Citizen Science
本研究通过太阳物理大年活动，利用研讨会、媒体、天文馆节目和公民科学项目，覆盖近两百万学习者，成功教育和吸引了公众观测日食，并准确预测了重大太阳风暴。
2025-09-26 astro-ph.IM astro-ph.SR physics.ed-ph
$\textit{Kilonova Seekers}$: the GOTO project for real-time citizen science in time-domain astrophysics
本文介绍了GOTO项目下的$\ extit{Kilonova Seekers}$公民科学项目，通过志愿者近实时分类寻找瞬变现象，在O4a期间获超60万次分类与20项发现，生成“黄金标准”训练集并评估了志愿者表现，为下一代分类算法奠定基础。
2024-07-24 astro-ph.HE astro-ph.IM
Gravitational lens modelling in a citizen science context
我们开发了一种方法来实现引力透镜和透镜候选者的协作建模，可供非专业透镜爱好者使用。它使用现有的自由形式的建模程序（玻璃），但使输入到这个代码以一种新颖的方式提供，通过用户生成的图表，基本上是一个到达时间表面的草图。我们报告的实施，这种方法，SpaghettiLens，这已经过测试，在一个建模的挑战，使用29个模拟镜头绘制从一个更大的集创建的空间扭曲公民科学强镜头搜索。我们发现，志愿者从这个在线社区断言的图像奇偶校验和时间顺序一致的一些镜头，但在其他镜头的图像形态的错误。虽然图像奇偶性和时间顺序的错误会导致质量分布的大误差，但发现封闭的质量更稳健：志愿者发现的模型推导的爱因斯坦半径与其中一个专业团队产生的半径一致，这表明如果有适当的工具，引力透镜建模是一种数据分析活动，可以通过众包获得良好的效果。改进的想法进行了讨论，其中包括：（a）克服的趋势，模型是浅比正确的答案在测试情况下，导致系统高估了10%的爱因斯坦半径目前，和（b）详细的圆弧建模。
2015-01-30 astro-ph.CO astro-ph.IM
Enhancing Exoplanet Ephemerides by Leveraging Professional and Citizen Science Data: A Test Case with WASP-77A b
本研究结合专业天基与地基观测及公民科学数据，为系外行星WASP-77A b提供了迄今最精确的轨道解与物理参数，大幅降低了其质量与轨道周期的不确定性，并证明了公民科学数据在扩展观测基线和约束星历表传播中的关键作用。
2024-06-04 astro-ph.EP astro-ph.IM
Citizen Science Astronomy with a Network of Small Telescope: The Launch and Deployment of JWST
我们提出了一个协调的观测活动，以监测詹姆斯韦伯太空望远镜（JWST）的亮度，因为它朝着第二个地球-太阳拉格朗日点和展开使用的网络ofUnistellar数字望远镜。这些由世界各地的公民天文学家收集的观测结果使我们能够检测到特定的阶段，例如与助推器的分离，由于机动后方向改变而产生的眩光，遮阳板的展开以及主镜的部署。在2022年1月6日部署遮阳板后，6小时光变曲线具有显著的振幅，并且由于在调试期间太空望远镜的人工旋转而显示出微小的变化。这些变化可能是由于主镜的部署或空间望远镜方向的一些变化。这项工作说明了由公民天文学家操作的全球小型望远镜阵列在长时间内进行大型科学活动的能力。在未来，我们的网络和其他人将继续监测JWST，通过比较光变曲线的演变来检测空间环境的潜在退化。
2022-07-09 astro-ph.EP astro-ph.IM
