MétaCan
Menu
Retour à la cohorte

How Agencies Respond to Human–black Bear Conflicts: A Survey of Wildlife Agencies in North America

2007· article· en· W2178414623 sur OpenAlexaboutno aff
Rocky D. Spencer, Richard A. Beausoleil, Donald A. Martorello

Notice bibliographique

RevueUrsus · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesAlabama Department of Conservation and Natural ResourcesAlaska Department of Fish and GamePennsylvania Department of Conservation and Natural ResourcesMassachusetts Department of Fish and Game
Mots-clésUrsusHuman–wildlife conflictWildlifeGarbageAgency (philosophy)RelocationPoliticsConflict managementWildlife managementAdaptive managementGeographyPolitical scienceEnvironmental resource managementBusinessEnvironmental planningEcologySociologyLawEngineeringPopulation

Résumé

récupéré en direct d'OpenAlex

Managing interactions between humans and American black bears (Ursus americanus) has evolved from public feeding and viewing of garbage-habituated bears to nationwide bear education campaigns focused on removing food attractants. We conducted a self-administered survey to assess how wildlife agencies respond to human–bear conflict and identified techniques currently used to manage conflicts throughout US, Canada, and Mexico. Forty-eight agencies responded to the survey and answered questions about bear populations, levels of complaints, types of interactions, and agency responses. Most (75%) agencies surveyed relocated problem bears, but only 15% believed relocation was an effective tool. Half (50%) of the agencies always marked problem bears that were captured and released; 50% both monitored the results of relocated bears and maintained a database. Most (69%) agencies ranked garbage/food attractants the most common type of human–bear conflict. Our results suggest that management responses to human–black bear conflict can be strengthened by adopting protocols for marking, monitoring, and maintaining a database for all bears captured in association with conflict incidents; moving from reactive to proactive approaches for garbage management; and developing comprehensive bear education programs that strive to make education a more dynamic and interactive process. Despite the unique circumstances of local politics and laws, all agencies need to strive to develop systems to document and evaluate the effectiveness of their actions to prevent and manage conflict. By monitoring actions and results, agencies can design improvements and move forward in an adaptive management framework.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,111
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,038
Tête enseignante GPT0,262
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), 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

Citations168
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUrsusMême sujetWildlife Ecology and ConservationTravaux en français237 207