Efficacy of Bear Deterrent Spray in Alaska
Notice bibliographique
Résumé
Abstract: We present a comprehensive look at a sample of bear spray incidents that occurred in Alaska, USA, from 1985 to 2006. We analyzed 83 bear spray incidents involving brown bears ( Ursus arctos ; 61 cases, 74%), black bears ( Ursus americanus ; 20 cases, 24%), and polar bears ( Ursus maritimus ; 2 cases, 2%). Of the 72 cases where persons sprayed bears to defend themselves, 50 (69%) involved brown bears, 20 (28%) black bears, and 2 (3%) polar bears. Red pepper spray stopped bears' undesirable behavior 92% of the time when used on brown bears, 90% for black bears, and 100% for polar bears. Of all persons carrying sprays, 98% were uninjured by bears in close‐range encounters. All bear—inflicted injuries ( n = 3) associated with defensive spraying involved brown bears and were relatively minor (i.e., no hospitalization required). In 7% (5 of 71) of bear spray incidents, wind was reported to have interfered with spray accuracy, although it reached the bear in all cases. In 14% (10 of 71) of bear spray incidents, users reported the spray having had negative side effects upon themselves, ranging from minor irritation (11%, 8 of 71) to near incapacitation (3%, 2 of 71). Bear spray represents an effective alternative to lethal force and should be considered as an option for personal safety for those recreating and working in bear country. (JOURNAL OF WILDLIFE MANAGEMENT 72(3):640–645; 2008)
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 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 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 ».