An Agent‐Based Model of Border Enforcement for Invasive Species Management
Notice bibliographique
Résumé
This paper presents a model of border enforcement in order to address trade‐related invasive species risk. An agent‐based modeling (ABM) framework was developed based on a theoretical economic model that incorporates a spatially explicit damage function. The framework was applied to a representative commodity (broccoli), invasive species (crucifer flea beetle), ports‐of‐entry (Calexico and Otay Mesa U.S./Mexico land ports), and vulnerable location (California). The ABM evaluated the economic impacts of port‐specific and importer‐specific enforcement regimes, enabling regulators to improve both the allocation of scarce enforcement resources and the effectiveness of current enforcement policies. The analysis generated several policy relevant findings concerning importing firm behavior and suggests conditions under which increasing enforcement may or may not significantly reduce invasive species risk and associated crop damages. The analysis illustrates that with a more realistic parameterization, the ABM could be used to make real‐world policy decisions concerning allocation of limited resources across ports‐of‐entry. Dans le présent article, nous présentons un modèle de renforcement des frontières pour examiner le risque d'introduction d'espèces envahissantes par le biais d'échanges commerciaux. Nous avons élaboré un modèle multiagent fondé sur un modèle économique théorique qui intègre une fonction de dommage spatiale. Nous avons appliqué ce modèle à une denrée représentative (le brocoli), à une espèce envahissante (l'altise des crucifères), à des points d'entrée (les points d'entrée terrestre de Calexico et d'Otay Mesa à la frontière des États−Unis et du Mexique) et à un endroit vulnérable (la Californie). Le modèle multiagent a évalué les répercussions économiques des régimes de renforcement spécifiques à un point d'entrée et à un importateur, permettant aux organismes de réglementation d'améliorer à la fois l'allocation des ressources de renforcement qui sont rares et l'efficacité des politiques de renforcement actuelles. L'analyse a généré plusieurs résultats quant aux politiques concernant le comportement des entreprises importatrices et indique des conditions dans lesquelles l'accroissement du renforcement pourrait diminuer considérablement ou pas le risque d'introduction d'espèces envahissantes pouvant causer des dommages aux cultures. L'analyse a montré que, à l'aide d'une paramétrisation plus réaliste, le modèle multiagent pourrait être utilisé pour prendre des décisions stratégiques du monde réel quant à l'allocation des ressources limitées dans les points d'entrée.
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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».