Lameira, Guerrero-Moreno & Cruz da Silva (2025), with 8 citations, provide a scientometric analysis of citizen science in aquatic ecology, mapping publication trends, geographic distribution, and thematic clusters across 185 articles. Key findings:

• Publication volume doubled between 2019 and 2024, reflecting both genuine growth in citizen science programs and increased academic interest in the approach. - Geographic concentration: The United States, Australia, and the United Kingdom are the most productive countries in citizen science aquatic ecology research. Africa, South America, and much of Asia are severely underrepresented—regions where monitoring capacity is most limited and where citizen science could add the greatest value. - Taxonomic bias: Fish (30.64%) and aquatic mammals (13.87%) dominate citizen science records. Invertebrates, algae, and microorganisms—often more ecologically informative indicators of ecosystem health—are poorly represented because they require taxonomic expertise that most volunteers lack. - Thematic clusters: The largest research cluster concerns invasive species detection; the second concerns water quality monitoring; the third concerns threatened species surveys. ### Integration with High-Tech Methods

Boyse, Clark & Carr (2025), with 3 citations, deploy eDNA metabarcoding to expand monitoring capacity for potential invasive species along the Northwest Passage in Arctic Canada. Their study uses environmental DNA sampling—collecting and analyzing water samples for traces of species DNA—rather than visual observation or citizen science reporting. Key findings:

• eDNA metabarcoding detected a broad range of taxa across sampling sites, including species not previously documented in the region through conventional surveys. - The approach is particularly valuable in remote Arctic waters where professional survey teams can visit only infrequently and where visual detection of aquatic species is difficult. - The authors note that integrating eDNA methods with community-based monitoring (such as citizen science) could further expand coverage in the future, but this integration was not tested in the current study. The study highlights the potential of molecular methods to fill critical monitoring gaps in understudied regions. By deploying eDNA sampling along the Northwest Passage, the researchers established baseline biodiversity data that can support early detection of invasive species as Arctic waters warm and shipping traffic increases. ### Data Quality: The Central Debate

Hsu, Kang & Chang (2025), with 2 citations, address the data quality concern directly through a community-based citizen science program on the Taoyuan Algal Reef in Taiwan. By comparing citizen-generated species records against expert surveys conducted simultaneously, they demonstrate that community-trained observers achieve species identification accuracy of 85–the vast majority for common taxa—sufficient for monitoring trends in species richness and community composition, though insufficient for taxonomic research requiring definitive identification. The key finding is that data quality depends not on whether observers are professionals, but on training quality, protocol standardization, and verification systems. Programs that provide species identification guides, use structured data collection protocols, and implement expert review of submitted records achieve substantially higher data quality than open-submission platforms. Bonnet, Affouard & Chouet (2025) raise an emerging challenge: as AI-powered identification tools (Pl@ntNet, iNaturalist's computer vision) become more accurate, they generate enormous volumes of species records. But using these AI-assisted records as evidence—for regulatory enforcement, environmental impact assessment, or scientific publication—raises questions about provenance, reproducibility, and accountability that the citizen science community has not yet resolved. ## Critical Analysis: Claims and Evidence

<

Claim	Evidence	Verdict
Citizen science publications in aquatic ecology doubled 2019–2024	Lameira et al. scientometric analysis	✅ Supported
eDNA metabarcoding expands invasive species monitoring in remote Arctic waters	Boyse et al. Northwest Passage eDNA study	✅ Supported — single study, specific context
Trained community observers achieve high species ID accuracy (comparable to expert accuracy in controlled comparisons)	Hsu et al. Taiwan reef comparison	✅ Supported — for common taxa
Citizen science eliminates need for professional monitoring	None of the reviewed studies make this claim	❌ Refuted — complement, not replacement
Geographic coverage is globally equitable	Lameira et al.: US, Australia, UK dominate	❌ Refuted — severe Global South underrepresentation

The Motivation Problem

A challenge underaddressed in the reviewed literature is volunteer retention. Citizen science programs typically experience high initial enrollment followed by rapid dropout. Most iNaturalist users contribute fewer than 10 observations; most eBird users stop reporting within a year. For monitoring programs that require consistent data across years and locations, this dropout rate creates temporal gaps that undermine trend detection. Programs that maintain volunteer engagement tend to share common features: visible impact (volunteers see their data used in management decisions), social community (regular meetups, online discussion groups), and personal benefit (learning about local nature, contributing to place-based conservation). Programs that treat volunteers as unpaid data collectors—without feedback, recognition, or community—struggle with retention regardless of the scientific value of their data. ## Open Questions and Future Directions

AI + citizen science integration: Can AI identification tools serve as real-time quality filters for citizen-submitted records, flagging uncertain identifications for expert review while automatically validating confident ones? 2. Incentive design: What motivational structures sustain long-term volunteer participation? Financial incentives, gamification, social recognition, and educational outcomes each have different effectiveness profiles. 3. Global South expansion: How can citizen science programs be designed for contexts with limited internet connectivity, different cultural attitudes toward volunteerism, and competing livelihood demands on potential participants' time? 4. Regulatory acceptance: Under what conditions should environmental regulators accept citizen-generated data as legally sufficient evidence for species presence, habitat condition, or environmental compliance? 5. Integration with formal monitoring: Rather than treating citizen science as a standalone program, how should national monitoring agencies integrate citizen data into their existing frameworks? ## Implications for Researchers and Conservation Managers

Citizen science for invasive species monitoring has moved past the question of "does it work?" to "under what conditions and for what purposes?" For conservation managers, the practical value is clear: citizen networks extend spatial and temporal monitoring coverage at costs that professional surveys cannot match. For program designers, the evidence argues for structured programs with training, protocols, and verification—rather than open-submission platforms where data quality varies widely. For researchers, citizen science data is valuable for detecting distribution patterns and temporal trends but should be treated with appropriate caution for abundance estimation and fine-grained ecological analysis. The integration of citizen observation with high-tech methods (eDNA, remote sensing, AI identification) represents the productive frontier—combining the spatial reach of human observers with the taxonomic precision of molecular and computational tools. ## References

[1] Lameira, H.L.N., Guerrero-Moreno, M.A. & Cruz da Silva, E. (2025). Citizen Science as a Monitoring Tool in Aquatic Ecology: Trends, Gaps, and Future Perspectives. Sustainability, 17(11), 4972. https://doi.org/10.3390/su17114972

[2] Boyse, E., Clark, M. & Carr, I.M. (2025). Expanding Monitoring Capacity for Potential Invasive Species in Arctic Canada With Environmental DNA Metabarcoding. Global Change Biology, 31, e70452. https://doi.org/10.1111/gcb.70452

[3] Hsu, C., Kang, J. & Chang, Y.-M. (2025). Reliable Data From Community-Based Citizen Science for Coastal Biodiversity Research in the Taoyuan Algal Reef, Taiwan. Aquatic Conservation, 35, e70138. https://doi.org/10.1002/aqc.70138

[4] Bonnet, P., Affouard, A. & Chouet, M. (2025). Challenges in Using AI-Based Citizen-Generated Plant Observations as Forensic Evidence in Biodiversity Investigations. Biodiversity Information Science and Standards, 9, 181619. https://doi.org/10.3897/biss.9.181619

면책 조항: 이 게시물은 정보 제공 목적의 연구 동향 개요이다. 특정 연구 결과, 통계 및 주장은 학술 저작물에 인용하기 전에 원본 논문을 통해 검증해야 한다.

침입 외래종을 위한 시민 과학: 크라우드소싱 모니터링은 전 지구적 위협에 대응하는 규모로 확장될 수 있는가?

수생 침입 외래종은 어업 피해, 기반 시설 폐색, 생태계 훼손을 통해 전 세계 경제에 누적 추정 $3,450억의 손실을 끼쳤으며(최근 몇 년간 연간 비용은 최소 $230억에 달한다). 개체군이 정착하여 확산되기 전에 침입을 조기에 탐지하는 것은 비용 효율이 가장 높은 단일 관리 전략이다. 그러나 전문 조사를 통한 기존 모니터링은 비용이 많이 들고 공간적으로 제한적이다. 국가 기관이 수천 개의 호수를 모니터링해야 할 때 연간 50개의 호수를 조사하는 데 그칠 수 있다. 시민 과학—비전문 자원봉사자를 체계적인 데이터 수집에 참여시키는 것—은 모니터링 노력을 수십 배 규모로 확장하는 방법을 제공한다. 문제는 크라우드소싱된 데이터가 관리 의사결정에 요구되는 품질 기준을 충족하는지 여부이다.

연구 현황: 성장과 성장통

Lameira, Guerrero-Moreno & Cruz da Silva (2025)는 8회 인용된 연구에서 수생 생태학 분야 시민 과학에 대한 계량서지학적 분석을 수행하며, 185편의 논문에 걸쳐 출판 동향, 지리적 분포 및 주제적 클러스터를 파악하였다. 주요 연구 결과는 다음과 같다:

• 출판량 두 배 증가: 시민 과학 프로그램의 실질적인 성장과 해당 접근 방식에 대한 학문적 관심 증가를 반영하여 2019년과 2024년 사이에 두 배로 증가하였다.
• 지리적 집중: 미국, 호주, 영국이 시민 과학 수생 생태학 연구에서 가장 생산적인 국가이다. 아프리카, 남아메리카, 아시아의 상당 부분은 심각하게 과소 대표되어 있는데, 이 지역들은 모니터링 역량이 가장 제한적이고 시민 과학이 가장 큰 가치를 더할 수 있는 곳이다.
• 분류학적 편향: 어류(30.64%)와 수생 포유류(13.87%)가 시민 과학 기록을 지배하고 있다. 무척추동물, 조류, 미생물은 생태계 건강의 보다 정보력 있는 지표인 경우가 많지만, 대부분의 자원봉사자가 갖추지 못한 분류학적 전문성이 필요하기 때문에 제대로 대표되지 못하고 있다.
• 주제적 클러스터: 가장 큰 연구 클러스터는 침입 외래종 탐지에 관한 것이며, 두 번째는 수질 모니터링, 세 번째는 위협받는 종 조사에 관한 것이다.

첨단 기술 방법과의 통합

Boyse, Clark & Carr (2025)는 3회 인용된 연구에서 캐나다 북극의 Northwest Passage를 따라 잠재적 침입 외래종에 대한 모니터링 역량을 확장하기 위해 eDNA 메타바코딩을 적용하였다. 이 연구는 시각적 관찰이나 시민 과학 보고 대신 환경 DNA(eDNA) 샘플링—종의 DNA 흔적을 위한 수질 샘플 수집 및 분석—을 사용한다. 주요 연구 결과는 다음과 같다:

• eDNA 메타바코딩은 표본 채취 지점 전반에 걸쳐 기존 조사를 통해 해당 지역에서 이전에 기록되지 않은 종을 포함하여 광범위한 분류군을 탐지하였다.
• 이 접근 방식은 전문 조사팀이 드물게만 방문할 수 있고 수생 종의 시각적 탐지가 어려운 외딴 북극 해역에서 특히 유용하다.
• 저자들은 eDNA 방법을 지역사회 기반 모니터링(시민 과학 등)과 통합하면 향후 적용 범위를 더욱 확장할 수 있다고 언급하였으나, 이 통합은 현재 연구에서 검증되지 않았다.

이 연구는 충분히 연구되지 않은 지역의 중요한 모니터링 공백을 메울 수 있는 분자 방법의 잠재력을 부각한다. 연구진은 Northwest Passage를 따라 eDNA 샘플링을 적용함으로써 북극 해역이 온난화되고 선박 통행량이 증가함에 따라 침입 외래종의 조기 탐지를 지원할 수 있는 생물다양성 기초 데이터를 수립하였다.

데이터 품질: 핵심 논쟁

Hsu, Kang & Chang (2025)는 2회 인용되었으며, 대만 타오위안 조류 암초(Taoyuan Algal Reef)에서의 지역사회 기반 시민 과학 프로그램을 통해 데이터 품질 문제를 직접적으로 다룬다. 전문가 조사와 동시에 수행된 시민 생성 종 기록을 비교함으로써, 지역사회에서 훈련된 관찰자들이 일반 분류군에 대해 85%의 종 동정 정확도를 달성한다는 것을 입증한다. 이는 종 풍부도 및 군집 구성의 추세를 모니터링하기에는 충분하지만, 확정적인 동정을 요구하는 분류학 연구에는 부족하다. 핵심 발견은 데이터 품질이 관찰자가 전문가인지 여부가 아니라, 훈련의 질, 프로토콜 표준화, 그리고 검증 시스템에 달려 있다는 것이다. 종 동정 가이드를 제공하고, 구조화된 데이터 수집 프로토콜을 사용하며, 제출된 기록에 대한 전문가 검토를 시행하는 프로그램은 개방형 제출 플랫폼보다 실질적으로 높은 데이터 품질을 달성한다. Bonnet, Affouard & Chouet (2025)는 새로운 과제를 제기한다. AI 기반 동정 도구(Pl@ntNet, iNaturalist의 컴퓨터 비전)의 정확도가 높아지면서 방대한 양의 종 기록이 생성되고 있다. 그러나 이러한 AI 보조 기록을 규제 집행, 환경 영향 평가, 또는 학술 출판의 증거로 활용하는 것은 시민 과학 커뮤니티가 아직 해결하지 못한 출처, 재현성, 그리고 책임 문제를 제기한다.

비판적 분석: 주장과 근거

<

주장	근거	판정
수생 생태학 분야 시민 과학 논문이 2019–2024년 사이 두 배로 증가	Lameira et al. 계량서지학적 분석	✅ 지지됨
eDNA 메타바코딩이 외딴 북극 해역의 침입종 모니터링을 확장	Boyse et al. 북서항로(Northwest Passage) eDNA 연구	✅ 지지됨 — 단일 연구, 특정 맥락
훈련된 지역사회 관찰자들이 높은 종 동정 정확도 달성(통제된 비교에서 전문가 정확도에 준함)	Hsu et al. 대만 암초 비교 연구	✅ 지지됨 — 일반 분류군에 한함
시민 과학이 전문 모니터링의 필요성을 제거	검토된 연구 중 이러한 주장을 하는 것 없음	❌ 반박됨 — 대체가 아닌 보완
지리적 커버리지가 전 세계적으로 균등	Lameira et al.: 미국, 호주, 영국이 지배적	❌ 반박됨 — 글로벌 사우스(Global South)의 심각한 과소 대표

동기 부여 문제

검토된 문헌에서 충분히 다루어지지 않은 과제는 자원봉사자 유지이다. 시민 과학 프로그램은 일반적으로 초기 등록은 높지만 이후 빠른 이탈을 경험한다. iNaturalist 사용자 대부분은 10건 미만의 관찰을 기여하며, eBird 사용자 대부분은 1년 내에 보고를 중단한다. 수년에 걸쳐 일관된 데이터를 필요로 하는 모니터링 프로그램에서 이러한 이탈률은 추세 감지를 저해하는 시간적 공백을 초래한다. 자원봉사자 참여를 유지하는 프로그램은 공통적인 특징을 공유하는 경향이 있다. 가시적인 영향(자원봉사자가 자신의 데이터가 관리 결정에 활용되는 것을 확인), 사회적 커뮤니티(정기적인 모임, 온라인 토론 그룹), 그리고 개인적 혜택(지역 자연에 대한 학습, 장소 기반 보전에의 기여)이 그것이다. 피드백, 인정, 또는 커뮤니티 없이 자원봉사자를 무급 데이터 수집자로 취급하는 프로그램은 데이터의 과학적 가치와 무관하게 유지에 어려움을 겪는다.

미해결 과제 및 향후 방향

AI + 시민 과학 통합: AI 식별 도구가 시민 제출 기록에 대한 실시간 품질 필터로 기능하여, 불확실한 식별 건을 전문가 검토를 위해 표시하는 동시에 신뢰도 높은 건은 자동으로 검증할 수 있는가? 2. 인센티브 설계: 어떤 동기 부여 구조가 장기적인 자원봉사자 참여를 지속시키는가? 금전적 인센티브, 게이미피케이션(gamification), 사회적 인정, 교육적 성과는 각각 서로 다른 효과 양상을 보인다. 3. 글로벌 사우스(Global South) 확장: 인터넷 연결이 제한적이고, 자원봉사에 대한 문화적 태도가 상이하며, 잠재적 참여자의 시간에 대한 생계 수요가 경쟁하는 맥락에서 시민 과학 프로그램을 어떻게 설계할 수 있는가? 4. 규제적 수용: 어떤 조건 하에서 환경 규제 기관은 시민이 생성한 데이터를 종의 존재, 서식지 상태, 또는 환경 법규 준수에 관한 법적으로 충분한 증거로 받아들여야 하는가? 5. 공식 모니터링과의 통합: 시민 과학을 독립형 프로그램으로 취급하기보다, 국가 모니터링 기관은 시민 데이터를 기존 체계에 어떻게 통합해야 하는가? ## 연구자 및 보전 관리자를 위한 시사점

침입종 모니터링을 위한 시민 과학은 "효과가 있는가?"라는 질문을 넘어 "어떤 조건에서, 어떤 목적을 위해 효과적인가?"의 단계로 나아갔다. 보전 관리자에게 있어 실용적 가치는 명확하다. 즉, 시민 네트워크는 전문가 조사로는 충족할 수 없는 비용으로 공간적·시간적 모니터링 범위를 확장한다. 프로그램 설계자에게 있어 근거는 데이터 품질이 크게 편차를 보이는 개방형 제출 플랫폼이 아닌, 훈련·프로토콜·검증을 갖춘 구조화된 프로그램을 지지한다. 연구자에게 있어 시민 과학 데이터는 분포 패턴과 시간적 추세를 탐지하는 데 유용하지만, 개체수 추정 및 세밀한 생태학적 분석에는 적절한 주의를 기울여 다루어야 한다. 시민 관찰과 첨단 기술(eDNA, 원격 탐사, AI 식별)의 통합은 생산적인 연구 전선을 대표하는데, 이는 인간 관찰자의 공간적 도달 범위와 분자·계산 도구의 분류학적 정밀성을 결합하는 것이다. ## 참고문헌

[1] Lameira, H.L.N., Guerrero-Moreno, M.A. & Cruz da Silva, E. (2025). Citizen Science as a Monitoring Tool in Aquatic Ecology: Trends, Gaps, and Future Perspectives. Sustainability, 17(11), 4972. https://doi.org/10.3390/su17114972

[2] Boyse, E., Clark, M. & Carr, I.M. (2025). Expanding Monitoring Capacity for Potential Invasive Species in Arctic Canada With Environmental DNA Metabarcoding. Global Change Biology, 31, e70452. https://doi.org/10.1111/gcb.70452

[3] Hsu, C., Kang, J. & Chang, Y.-M. (2025). Reliable Data From Community-Based Citizen Science for Coastal Biodiversity Research in the Taoyuan Algal Reef, Taiwan. Aquatic Conservation, 35, e70138. https://doi.org/10.1002/aqc.70138

[4] Bonnet, P., Affouard, A. & Chouet, M. (2025). Challenges in Using AI-Based Citizen-Generated Plant Observations as Forensic Evidence in Biodiversity Investigations. Biodiversity Information Science and Standards, 9, 181619. https://doi.org/10.3897/biss.9.181619