Opportunities and challenges for analysis of wildlife trade using CITES data – seahorses as a case study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract In principle, the database generated by the Convention on International Trade in Endangered Species of Wild Fauna and Flora (CITES) offers an unparalleled opportunity to analyse trade in species of conservation concern. The value of the database is assessed in the context of trade in 47 species of seahorse ( Hippocampus spp.), all of which are included on CITES Appendix II. This listing requires that all 180 Parties to CITES (member Parties) limit exports to levels that do not damage wild populations, ensure they are obtained legally, and report their trade to CITES. An evident need for greater universal compliance with CITES reporting requirements was identified. The most glaring problem was a substantial mismatch in species and volumes between export records and import records, indicating that neither dataset is complete nor reliable. The evaluation also showed that Parties should increase compliance with CITES requirements to record all trade shipments, provide units for exports (e.g. individuals, kilograms) and identify exported taxa to species, perhaps supported by automated checking of entries. The challenges with the CITES trade database were more evident for the global trade in dried seahorses than the smaller and more easily‐tracked trade in live seahorses. Nonetheless, CITES’ data from 2004–2011 revealed a seahorse trade involving millions of animals, tens of species, and scores of Parties. CITES data have also proven invaluable in supporting CITES reviews of how Parties are implementing the Convention for seahorses, and in generating consequent action for their conservation. Copyright © 2014 John Wiley & Sons, Ltd.
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.
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 | 0,001 | 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 découle