The Effects of Human Age, Group Composition, and Behavior on the Likelihood of Being Injured by Attacking Pumas
Notice bibliographique
Résumé
Documentation from the years 1890 to 2000 of 185 instances of pumas (Puma concolor) attacking humans in the United States and Canada has provided statistical evidence that pumas are less likely to kill or injure humans in certain circumstances. We identified incidents of fatal attacks, severe injuries, light injuries, and no injuries as a function of human age class, group size, body posture, and conspicuous action, such as noise making, running, or shooting. Ordinal multinomial regression revealed that age class (< 13 years old vs. older) was not a statistically reliable predictor of attack severity. This statistical method also revealed that there was no reliable association between the number of individuals present during the attack and attack severity. Nevertheless, examination of specific attack outcomes indicated that the likelihood of escaping injury increased when two or more people were present. The speed that individuals moved during the attack did not predict attack severity, but it was apparent that the lowest likelihood of escaping injury (26%) and greatest frequency of severe injuries (43%) occurred when individuals remained stationary. In contrast, half of the individuals who ran when they were attacked escaped injury, whereas running was associated with only a small increase in the frequency of fatal attacks (28%), compared with remaining stationary (23%). Evidence that half of the individuals who ran escaped injury suggests that pumas are assessing immobility in humans as they might with other prey, using it as an index of prey inattention or disablement and hence greater vulnerability.
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 | 0,000 | 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) | 0,000 | 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 ».