User‐friendly and evidence‐based tool to evaluate probability of eradication of aquatic non‐indigenous species
Notice bibliographique
Résumé
Summary The gap between practitioners and conservation or environmental management science is difficult to bridge. Managers sometimes use limited scientific information in their decision‐making process, mainly because they have little time to review primary literature before making a decision. Making data readily available to managers is expected to improve the overall efficiency of management interventions. Here, we present an approach to develop user‐friendly applications for evidence‐based management and illustrate the concept by presenting a simple computer program designed to evaluate the probability of eradication of aquatic non‐indigenous species. We conducted a review of case studies that attempted to control aquatic non‐indigenous species and used a statistical model to relate the outcome (eradication or non‐eradication) to characteristics of the populations and interventions conducted. Based on a few key variables, the model returned accurate probabilities of eradication as evaluated with a receiver operating characteristic curve and jackknife and cross‐validation procedures. We packaged the statistical model in a user‐friendly computer program that can be used by managers to (i) rapidly calculate the probability of success of a planned intervention with associated uncertainty, (ii) compare the success probabilities of different possible interventions and (iii) prioritize what information should be collected to increase the reliability of estimates. Synthesis and applications . Our decision support tool is easy to implement, statistically flexible and could be used for any type of conservation or management intervention, given a sufficient number of case studies available in the literature. We recommend that scientists develop such tools whenever they conduct reviews of effectiveness of intervention. This is likely to result in greater use of data by practitioners, increased reliability of cost–benefit analyses and an overall increase in efficiency in conservation and environmental management.
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 | 0,072 | 0,299 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,007 |
| Bibliométrie | 0,019 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,006 |
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 ».