MétaCan
Menu
Retour à la cohorte
Enregistrement W2202777714 · doi:10.1371/journal.pone.0139537

Testing the Prey-Trap Hypothesis at Two Wildlife Conservancies in Kenya

2015· article· en· W2202777714 sur OpenAlexaff
Marc Dupuis‐Désormeaux, Zeke Davidson, Mary Mwololo, Edwin Kisio, Sam Taylor, Suzanne E. MacDonald

Notice bibliographique

RevuePLoS ONE · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésPredationWildlifeGeographyEcologyPredatorEndangered speciesApex predatorFisheryBiologyHabitat

Résumé

récupéré en direct d'OpenAlex

Protecting an endangered and highly poached species can conflict with providing an open and ecologically connected landscape for coexisting species. In Kenya, about half of the black rhino (Diceros bicornis) live in electrically fenced private conservancies. Purpose-built fence-gaps permit some landscape connectivity for elephant while restricting rhino from escaping. We monitored the usage patterns at these gaps by motion-triggered cameras and found high traffic volumes and predictable patterns of prey movement. The prey-trap hypothesis (PTH) proposes that predators exploit this predictable prey movement. We tested the PTH at two semi-porous reserves using two different methods: a spatial analysis and a temporal analysis. Using spatial analysis, we mapped the location of predation events with GPS and looked for concentration of kill sites near the gaps as well as conducting clustering and hot spot analysis to determine areas of statistically significant predation clustering. Using temporal analysis, we examined the time lapse between the passage of prey and predator and searched for evidence of active prey seeking and/or predator avoidance. We found no support for the PTH and conclude that the design of the fence-gaps is well suited to promoting connectivity in these types of conservancies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,014
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,124
Tête enseignante GPT0,240
Écart entre enseignants0,116 · 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 tête enseignante, pas un consensus.

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

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetWildlife-Road Interactions and ConservationTravaux en français237 207