Effect of ecological uncertainty on species at risk decision-making: COSEWIC expert opinion as a case study
Notice bibliographique
Résumé
Uncertainty about ecological variables can affect risk designations for species at risk of extinction. This study evaluated the effect of quantitatively characterizing ecological uncertainty on species at risk decision-making, using the Committee on the Status of Endangered Wildlife in Canada (COSEWIC) as a case study. Fifty senior authors of COSEWIC assessments of vertebrate species were invited to use a confidential web-based survey to quantitatively characterize uncertainty in their expert opinions for 17 COSEWIC ecological variables. Probability distributions for the 17 variables provided by each of 16/50 (32.0%) respondents were used with Monte Carlo sampling to generate sets of point estimates used as input for a computer algorithm that emulated COSEWIC decision-making for risk designation. The effect of uncertainty on risk designation was measured as a Monte Carlo-generated probability for the same risk designation as that determined by the mean point estimates only. Analysis of uncertainty revealed plausible alternative designations for seven of the 16 species. Although the majority of these cases were affected in a relatively minor way, there were cases where the explicit characterization of uncertainty caused major differences in risk designation. From these results, it can be concluded that characterization of uncertainty can have important effects on species at risk decision-making. Responsible agencies should explicitly incorporate uncertainty in their decision-making by (1) requiring explicit characterization of uncertainty for input ecological variables and output risk designations and (2) developing rational methods to incorporate the uncertainty in decision-making.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».