UNASSIGNED: The online version contains supplementary material available at 10.1007/s10336-022-02018-8.
Gesellschaftliches Engagement und Datenqualität: Bewährte Praktiken und Erfahrungen aus einem bürgerwissenschaftlichen Projekt zum Vogelgesang Citizen Science (CS) ist eine Forschungsmethode, die in den letzten Jahren an Bedeutung gewonnen hat und innovatives Potenzial für die Dialektforschung in der Ornithologie bietet. Da die Vorbehalte gegenüber CS-Daten immer noch weit verbreitet sind, haben wir die Entwicklung eines dreijährigen CS-Projekts zum Gesang der Nachtigall (Luscinia megarhynchos) analysiert, um bewährte Praktiken und gewonnene Erfahrungen darzustellen. Wir fokussierten uns auf den Datenumfang, das individuelle Engagement von Teilnehmenden, die räumliche Verteilung und die Fehlbestimmungen von Arten aus Aufnahmen, die vor (2018, 2019) und während des COVID-19-Ausbruchs (2020) mit einem Smartphone unter Verwendung der \"Naturblick\" App erstellt wurden. Die Anzahl der Aufnahmen von Nachtigallgesängen und das individuelle Engagement stiegen stetig an und erreichten ihren Höhepunkt in der Saison während der Pandemie. 13.991 Aufnahmen von Nachtigallgesängen wurden von anonymen (64%) und nicht-anonymen Teilnehmenden (36%) erstellt. Im Laufe des Projekts weitete sich die räumliche Verteilung der Aufnahmen aus (von Berlin auf bundesweit). Die Rate der Fehlbestimmungen war gering, ging im Laufe des Projekts zurück (von 10% auf 1%) und wurde hauptsächlich von gesanglichen Ähnlichkeiten mit anderen Vogelarten beeinflusst. Unsere Studie zeigte außerdem, dass das gesellschaftliche Engagement und die Datenqualität nicht direkt von den durchgeführten Disseminationsaktivitäten beeinflusst wurden, sondern dass erstere von externen Faktoren abhingen und letztere von der App profitierte. Wir schließen daraus, dass CS-Projekte, die Smartphone-Apps mit einem integrierten Mustererkennungsalgorithmus verwenden, gut geeignet sind, um die bioakustische Forschung in der Ornithologie zu unterstützen. Auf der Grundlage unserer Ergebnisse empfehlen wir, CS-Projekte langfristig zu etablieren, um eine aktive Teilnehmergemeinschaft (Community) aufzubauen, die qualitativ hochwertige Daten für fundierte wissenschaftliche Schlussfolgerungen generiert.