MétaCan
Menu
Retour à la cohorte
Enregistrement W2099822347 · doi:10.1111/cobi.12265

Improving Conservation Outcomes with Insights from Local Experts and Bureaucracies

2014· article· en· W2099822347 sur OpenAlexaff
Nora Haenn, Birgit Schmook, Yol Monica Reyes, Sophie Calmé

Notice bibliographique

RevueConservation Biology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesConsejo Nacional de Ciencia y Tecnología
Mots-clésBureaucracyEndangered speciesGeographySociology of scientific knowledgeEnvironmental resource managementEnvironmental planningPolitical scienceSociologySocial sciencePopulationPolitics

Résumé

récupéré en direct d'OpenAlex

We describe conservation built on local expertise such that it constitutes a hybrid form of traditional and bureaucratic knowledge. Researchers regularly ask how local knowledge might be applied to programs linked to protected areas. By examining the production of conservation knowledge in southern Mexico, we assert local expertise is already central to conservation. However, bureaucratic norms and social identity differences between lay experts and conservation practitioners prevent the public valuing of traditional knowledge. We make this point by contrasting 2 examples. The first is a master's thesis survey of local experts regarding the biology of the King Vulture (Sarcoramphus papa) in which data collection took place in communities adjacent to the Calakmul Biosphere Reserve. The second is a workshop sponsored by the same reserve that instructed farmers on how to monitor endangered species, including the King Vulture. In both examples, conservation knowledge would not have existed without traditional knowledge. In both examples, this traditional knowledge is absent from scientific reporting. On the basis of these findings, we suggest conservation outcomes may be improved by recognizing the knowledge contributions local experts already make to conservation programming.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,075
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,192
Écart entre enseignants0,183 · 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.

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

Citations29
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConservation BiologyMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207