本文發表於《大眾科學》的前部落格網路，反映了作者的觀點，不一定代表《大眾科學》的觀點
公民科學——涉及專業科學家和熱情的業餘愛好者團隊之間合作的專案——如今非常盛行。這對對科學感興趣的普通人來說很棒，他們現在不僅可以閱讀有關科學的文章，還可以參與其中。這對科學家來說也很棒，像Zooniverse和Foldit這樣的專案都取得了巨大的成功。公民科學對科學寫作也很有利，因為讀者可以真正參與到故事中。
然而，公民科學的蓬勃發展並未對所有科學學科做出同等貢獻，動物學和天文學的專案很多，而物理學和心理科學的專案較少。粒子物理學領域很少有公民科學專案也許並不奇怪（沒多少人在後院有加速器！），但是心理學領域幾乎沒有公民科學專案，這可能更值得注意。
認知科學家們並非不瞭解網際網路。事實上，我們是最早將網際網路用於研究的人之一，早在 90 年代初就在網上釋出實驗和調查問卷。到目前為止，已經有成百上千篇論文使用線上收集的資料發表。這種資料洪流導致了許多發現。例如，透過測試各個年齡段的數千人，研究人員在拼湊如何隨著年齡的增長，大腦發生變化方面取得了快速進展。線上測試使研究人員更容易與遙遠的人群合作，例如，使我們能夠更好地理解語言之間的相似之處和差異。目前，我正在劍橋的辦公室裡舒適地進行韓語和俄語研究。
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過 訂閱來支援我們屢獲殊榮的新聞報道。透過購買訂閱，您正在幫助確保有關當今塑造我們世界的發現和想法的具有影響力的故事的未來。
雖然網際網路實驗室確實代表了一種公民科學——它們向任何想作為研究物件參與的人開放實驗室——但它們沒有提供作為研究者而不僅僅是研究物件參與的機會。部分問題是方法論上的：對於許多專案，我們擔心知道假設可能會影響人們的反應。部分問題可能只是習慣：我們習慣於將普通人視為可能的參與者，而不是合作者。
然而，在過去的幾年裡，包括我自己在內的幾個研究小組找到了將公民科學納入我們對人類大腦研究的方法。
詞語的含義
VerbCorner——我自己的專案——專注於確定詞語的含義。您可能會認為這是一個已經解決的問題：只需在字典中查詢即可！但是，字典的問題在於它們使用其他詞語來定義詞語，而這些詞語本身又使用其他詞語來定義，如此迴圈往復，沒有盡頭。如果你不懂斯瓦希里語，斯瓦希里語詞典對你沒有太大幫助。同時，你可能會擔心詞語最終是不可定義的，因為它們的含義取決於上下文：我們談論的是幼兒園學生、籃球運動員還是故事，高的含義是不同的。這是事實，但在某種意義上這是一個正交的點：人類顯然知道詞語的含義是什麼，無論這些含義是精確的還是模糊的。科學家的工作是確定人類知道什麼以及我們如何知道它。
阻礙這方面研究的不是使用韋氏或牛津字典，也不是決定含義是精確的還是模糊的——儘管這肯定是其中的一部分——而是問題的範圍太大。僅英語就有很多詞語。因此，即使一個人對詞語含義有很好的理論，一位有進取心的科學家也需要很長時間才能遍歷每個詞語並根據該理論對其進行描述。然而，對於一支龐大的科學家團隊來說，這個專案是非常可行的，而這正是公民科學發揮作用的地方。
在VerbCorner專案中，志願者研究人員幫助根據一種詞語含義的主流理論來描述動詞，該理論由語言學家Beth Levin和Ray Jackendoff以及心理學家Steven Pinker等人推廣。根據這個理論，許多詞語（尤其是動詞）的含義可以分為“核心”含義和含義的外圍方面。動詞的核心組成部分包括該動詞描述的是有意為之的動作（約翰打了牆），還是意外的動作（約翰被木頭絆倒），或者該動作是否需要身體接觸（莎莉擁抱了瑪麗），還是不需要（莎莉問候了瑪麗）。有趣的是，這些含義的核心部分與發展心理學家認為嬰兒最早理解的概念（意圖、接觸等）有很大程度的重疊。相比之下，還有一些特質的、非核心的含義，例如跑步和走路的物理差異。
我們的專業研究團隊為核心含義的不同組成部分設計了直觀的測試。在 VerbCorner 網站上，業餘科學家可以幫助遍歷英語動詞，並確定每個詞語是否包含該含義組成部分。為了使任務更具吸引力，該網站遊戲化了，為每個任務設定了徽章、積分和奇幻的背景故事。但真正的獎勵是科學。
詞語記憶
Small World of Words（魯汶大學）也專注於詞語，但更多地關注詞語在頭腦中是如何表示和儲存的，而不是它們的含義本身。公民科學家會看到一系列詞語，例如氣候、音高或銀行。對於每個詞語，他們被要求想到首先想到的其他三個詞語。透過這一點，科學家們將能夠以前所未有的方式研究詞語之間的關聯。以前的工作往往依賴於少量詞語的小型研究，或者使用從網路挖掘的資料的詞庫，例如谷歌圖書 Ngrams 專案——這些資料很有用，但充其量只是我們所關心的事物（即人們的實際想法）的不完善估計。
這些資料有很多用途。在技術方面，研究人員有興趣使用這些資料來了解詞語在記憶中是如何儲存的。我們還可以使用這些資料來研究人們將哪些概念與哪些其他概念聯絡起來：這些聯絡會隨著時間的推移或跨文化而改變。例如，20 年前，大多數人對氣候的第一反應是天氣。現在，大約 40% 的人說變化。美國人對音高最常見的聯想是棒球，而英國人則是足球。
同樣，這些資料不僅能讓我們找出同一個詞的不同含義：銀行與金錢和河流相關聯，而兩者彼此之間沒有關聯。當然，這可以在字典中查詢。無法查詢的是哪個含義是主要的含義。正如您可以在這個圖表中看到的那樣，我使用 Small World of Words 的精彩視覺化工具製作了這個圖表，“金融機構”的含義遠比“河邊”的含義更突出。（這些工具非常有趣，但如果您計劃參與該專案，請在過多瀏覽視覺化工具之前進行。）
到目前為止，該專案已經處理了 7,000 個詞語，還有更多詞語正在新增。還有一個稍微舊一點的荷蘭語專案，該專案已經處理了 12,000 個詞語，並已經發表了幾篇出版物，並且正在製作西班牙語、日語和普通話專案。
笑聲的起源
笑聲的起源早於人類。其他大型類人猿會笑，其他一些動物也可能會笑。嬰兒笑聲專案（倫敦大學）著眼於笑聲的發展起源：是什麼讓嬰兒發笑，為什麼？從表面上看，嬰兒發笑的原因與成人非常不同：嬰兒很少覺得科爾伯特報告或週六夜現場那麼有趣。
嬰兒笑聲專案背後的研究人員正在邀請公民科學家幫助編目嬰兒笑聲的各種原因。有年幼孩子的父母可以填寫一份關於他們孩子笑聲的調查問卷，任何聽到他們認識的嬰兒笑聲的人都可以提交一份現場報告，描述嬰兒發笑的時間、地點和原因。此外，儘管這似乎沒有任何科學目的，但他們運行了一個嬰兒笑聲的影片部落格，其中包括這個似乎正在做非常有趣的夢的影片。
正如該專案背後的研究人員之一卡斯珀·阿迪曼在這次採訪中解釋的那樣，嬰兒發笑的原因在一定程度上取決於他們對世界的理解。他們覺得什麼令人驚訝或不尋常？因此，跟蹤嬰兒笑聲的背景為研究嬰兒發育中的大腦提供了一個新的視窗。
心理學公民科學的未來
如果這些專案成功，它們有可能對該領域產生巨大的影響，無論是直接的還是透過啟發其他專案，就像人工智慧領域所發生的那樣。最早的此類專案之一，由麻省理工學院媒體實驗室的 Open Mind 於 1999 年啟動，它利用互聯網誌願者來編譯一個龐大的常識事實資料庫（“外套用來保暖”，“太陽非常熱”，以及“你做晚餐時最後做的事情是洗碗”），以訓練計算機。由此產生的資源——以 ConceptNet 的形式釋出——已被用於數百個人工智慧專案中，包括從 推理 到解釋 幽默 或 情感分析 的各種方面。最近，路易斯·馮·安 (Lous von Ahn) 利用遊戲來引導志願者幫助標記影像、數字化文字和識別歌曲，從而產生了大量用於各種人工智慧專案的資料集。當前人們仍然可以參與的人工智慧專案包括 Phrase Detectives （埃塞克斯大學）和 Wordrobe （格羅寧根大學），這兩個專案都專注於建立資源來幫助計算機理解語言。
以上介紹的所有三個專案都已發表了基於初步結果的論文（例如，這裡、這裡 和 這裡）。與思維相關的公民科學專案的未來看起來一片光明。