La ciencia ciudadana se ha convertido en un enfoque cada vez más popular para la recopilación de datos científicos, donde las tareas de clasificación que implican la interpretación visual de imágenes son un área destacada de aplicación, por ejemplo, para apoyar la producción de mapas de uso del suelo y cobertura terrestre. Lograr una precisión mínima en estas tareas de clasificación a un costo mínimo es el tema de este estudio. Un enfoque bayesiano proporciona una solución intuitiva y razonablemente sencilla para alcanzar este objetivo. Sin embargo, su aplicación requiere información adicional, como la frecuencia relativa de las clases y la precisión de cada usuario. Mientras que la primera a menudo está disponible, la segunda requiere una recopilación de datos adicional. En este artículo, presentamos un enfoque en dos etapas para reunir esta información adicional. Demostramos su aplicación utilizando un ejemplo hipotético de dos clases y luego lo aplicamos a un conjunto de datos real recopilado por la multitud con cinco clases, que fue tomado de una campaña anterior de crowdsourcing de Geo-Wiki sobre la identificación del tamaño de los campos agrícolas a partir de imágenes satelitales de muy alta resolución. También adjuntamos el código R para la implementación del enfoque recién presentado.