MétaCan
Menu
Retour à la cohorte
Enregistrement W1990635995 · doi:10.5539/enrr.v4n3p23

Perceptions of farmers in Bangladesh to Asian Elephants (Elephas maximus) as an Agricultural Pest in

2014· article· en· W1990635995 sur OpenAlexvenueno aff
A. H. M. Raihan Sarker, Eivin Røskaft

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElephasAgricultureCropAsian elephantCroppingPEST analysisGeographyHerdMonsoonAgroforestryEveningBiologyEcologyForestry

Résumé

récupéré en direct d'OpenAlex

We explored the degree to which Bangladeshi farmers perceive Asian elephants (Elephas maximus) as agricultural pests, as related to the type of farming and other demographic profile of the farmers. We analysed the size and cropping patterns of farms raided by wild elephants, the extent and nature of crop loss, the months and crop-raiding time; and the size of elephants’ herds that caused crop-raiding incidents. The average loss of entire crops increased with distance from the park up to 300 m and then decreased with greater the distance. The greatest loss due to crop raiding was associated with specific crops. Farmers incurred the greatest mean losses in terms of cost from like rice, vegetables, banana, and teak. The highest proportion of small losses occurred during the early evening, while the greatest financial losses occurred during late evening. Wild elephants raided crops throughout most of the year, but the greatest loss and cost were incurred during the monsoon season. The proportion of crops lost varied with the herd size of elephant responsible for crop-raiding and the duration of crop-raiding. Differences were found in the views of farmers regarding the perceptions towards elephant as pest. Considering crop-raiding elephant herd as pest has been given different views by the farmers based on their financial/comfortable status.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,276
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetWildlife Ecology and ConservationTravaux en français237 207