What Enables Size-Selective Trophy Hunting of Wildlife?
Notice bibliographique
Résumé
Although rarely considered predators, wildlife hunters can function as important ecological and evolutionary agents. In part, their influence relates to targeting of large reproductive adults within prey populations. Despite known impacts of size-selective harvests, however, we know little about what enables hunters to kill these older, rarer, and presumably more wary individuals. In other mammalian predators, predatory performance varies with knowledge and physical condition, which accumulates and declines, respectively, with age. Moreover, some species evolved camouflage as a physical trait to aid in predatory performance. In this work, we tested whether knowledge-based faculty (use of a hunting guide with accumulated experience in specific areas), physical traits (relative body mass [RBM] and camouflage clothing), and age can predict predatory performance. We measured performance as do many hunters: size of killed cervid prey, using the number of antler tines as a proxy. Examining ∼ 4300 online photographs of hunters posing with carcasses, we found that only the presence of guides increased the odds of killing larger prey. Accounting for this effect, modest evidence suggested that unguided hunters presumably handicapped with the highest RBM actually had greater odds of killing large prey. There was no association with hunter age, perhaps because of our coarse measure (presence of grey hair) and the performance trade-offs between knowledge accumulation and physical deterioration with age. Despite its prevalence among sampled hunters (80%), camouflage had no influence on size of killed prey. Should these patterns be representative of other areas and prey, and our interpretations correct, evolutionarily-enlightened harvest management might benefit from regulatory scrutiny on guided hunting. More broadly, we suggest that by being nutritionally and demographically de-coupled from prey and aided by efficient killing technology and road access, wildlife hunters in the developed world might have overcome many of the physical, but not knowledge-based, challenges of hunting.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».