Esta fase construye el kit de software mínimo que EzpelZaintza necesita para coleccionar el dataset suficiente y bien etiquetado que el detector necesitará: grabaciones ordenadas y documentadas, listas para entrenar un modelo más adelante. Esta fase no es el detector todavía.
Solo dos piezas nuevas de software (resaltadas). Todo lo demás ya existe y se reutiliza tal cual.
Importa el audio de la SD, lee los metadatos automáticos (GUANO), recibe las notas de campo en un "inbox" de entrada, deja elegir la nota correcta por grabación (o ninguna), rellena los campos automáticamente y permite corregirlos a mano. Exporta un dataset limpio — los audios en WAV (con su metadata GUANO) junto a un CSV/JSON de etiquetas verificadas por grabación — el formato estándar que espera cualquier pipeline de entrenamiento de ML de audio.
Formulario estructurado por grabación, según nos indique EzpelZaintza: ¿ves orugas? sí/no, llueve sí/no, viento sí/no, distancia, tipo de evento (mordisqueo / eclosión / vuelo / otro) (toggles, checkboxes, sliders). Hora y nombre se registran solos. Funciona sin cobertura, guarda en local, y empuja hacia la app de escritorio en un solo sentido — nunca al revés.
¿EzpelSorta? — propuesta de nombre para la app de escritorio, a decidir con EzpelZaintza, aún sin cerrar. "Sorta" en euskera: conjunto, lote, grupo — mano o serie de elementos reunidos.
Para escuchar y ver el espectrograma con detalle cuando haga falta — un botón desde la app de escritorio la abre, sin duplicar lo que ya hace bien.
Es un Google Form con hoja de Sheets. Se lee (exportación manual a CSV) para sugerir a qué boj corresponde cada grabación por cercanía GPS. No se modifica ni se le pide nada nuevo a EzpelZaintza.
Decisiones técnicas con margen de elección — ninguna cambia el diseño general, solo la herramienta concreta.
La elige EzpelZaintza según el equipo real que tenga — no asumimos que sea portátil ni que tenga espacio libre de sobra, podría ser un equipo de sobremesa y podría tener el disco ocupado. Se recomienda además un disco duro externo físico como copia adicional — gasto de hardware aparte, no incluido en el presupuesto de esta fase.
Verificado contra la documentación oficial de Epicollect5 (agosto 2026): el móvil no hace autosync — subir al servidor requiere un toque manual de la usuaria. Lo que sí es automático es el tramo servidor → escritorio: polling autenticado por token contra su API REST de solo lectura, no confianza por proximidad ni emparejamiento. Condición necesaria para que esto sea razonable: el proyecto tiene que estar en modo privado — en público esa misma API queda abierta, en lectura y escritura, sin autenticación.
Móvil (Epicollect5, offline-first) → toque manual de "subir" → servidor de Epicollect5 (hosting DigitalOcean, Reino Unido; HTTPS/TLS en todo el trayecto) → app de escritorio consulta periódicamente su API REST de solo lectura (GET /api/export/entries/{proyecto}, paginada, filtrable por fecha de subida) y trae lo nuevo. No hay webhooks; el lado de escritorio es polling, no push.
No es confianza por proximidad o emparejamiento: es una petición HTTPS a un servidor fijo y con nombre, con un token (OAuth/JWT, client ID + secret) generado y guardado por nosotros. Sin ese token, en un proyecto privado la API no devuelve nada.
En Epicollect5 la privacidad de un proyecto es binaria, sin término medio (confirmado por el equipo de Epicollect5 en su foro). Público: cualquiera con la app puede escribir entradas y cualquiera puede leer/descargar el dataset completo, API sin autenticación. Privado: solo miembros añadidos, API exige token. Para este proyecto: privado.
Sin CVEs ni auditorías de seguridad independientes conocidas — es un proyecto académico de tamaño modesto, sin el escrutinio de un proveedor grande. Se trata con la misma cautela que cualquier SaaS de terceros por el que pasan datos: TLS + token es razonable para esta amenaza, no es infraestructura de nivel empresarial.
EzpelZaintza cuelga la grabadora en el boj y la deja funcionando. Opcionalmente abre la libreta en el móvil y anota las condiciones: si ve orugas, si llueve, si hace viento, a qué distancia queda el aparato. Más tarde, cuando recoge la grabadora, puede añadir algún detalle a esa misma nota — o no, el sistema es totalmente flexible. Ya de vuelta en el laboratorio y con nuestro programa abierto, vuelca el audio de la tarjeta SD en el ordenador (las notas no hay que volcarlas a mano: con un toque de "subir" en el móvil, el resto llega solo al inbox). El inbox de notas de nuestro programa le da a elegir las notas del móvil, sugiriéndolas por orden de relevancia. Los campos se rellenan solos, y ella los revisa o corrige a mano si hace falta. Así, cada grabación queda lista —en WAV, con sus etiquetas en CSV/JSON— con su contexto completo, para el día en que haya datos suficientes para entrenar el detector.