MétaCan
Menu
Retour à la cohorte
Enregistrement W2081305132 · doi:10.5539/enrr.v3n1p51

Analysis of Poaching Activities in Kainji Lake National Park of Nigeria

2012· article· en· W2081305132 sur OpenAlexvenueno aff
H. M. Ijeomah, Augustine Ugar Ogogo, Daminola Ogbara

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueExperience-Based Knowledge Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoachingGeographySocioeconomicsNational parkDescriptive statisticsLivestockEnvironmental protectionForestryEnvironmental healthStatisticsPopulationMedicineMathematicsArchaeologySociology

Résumé

récupéré en direct d'OpenAlex

Analysis of poaching activities in Kanji Lake National Park (KLNP) of Nigeria was conducted with the aim of investigating the forms and trend of encroachment experienced in the premier protected area, and to determine the locations where poaching occur. Data for the study were collected using two sets of structured questionnaires and secondary data obtained from administrative records. A set of structured questionnaires was administered randomly to 30% of households in ten selected communities close to the park. The second set of questionnaires was administered to 30% of the staff in park protection section of KLNP. In all 403 households and 53 staff members were sampled. Data on poaching arrest were obtained from administrative records. Data collected were analysed using descriptive statistics in form of frequencies of count, percentages, graphs, bar chart and pie chart. Grazing of livestock and hunting were the form of encroachment most arrested in the park between 2001 and 2009. Poachers were most attracted in the park by Animals (92.06%), fuel wood (82.13%), Herbs (73.95%), and Fish (73.95%). Between 1995 and 2009 KLNP recorded the highest arrest (372) of poachers in 1999. Increase in the number of staff of KLNP had no significant effect in the number of poachers arrested within this period. Oli and Ibbi were respectively ranked first (69.98%) and second (45.91%) by household respondents as major areas of poaching. About 52.11% of households are optimistic that poaching can be stopped while 39.5% perceived that it can only be minimized. However, 39.15% of household respondents suggested creation of employment opportunities for households as a strategy that can stop poaching in KLNP.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,031
Tête enseignante GPT0,312
Écart entre enseignants0,282 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations17
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetExperience-Based Knowledge ManagementTravaux en français237 207