Use of expert knowledge to elicit population trends for the koala (<i>Phascolarctos cinereus</i>)
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 Aim The koala is a widely distributed Australian marsupial with regional populations that are in rapid decline, are stable or have increased in size. This study examined whether it is possible to use expert elicitation to estimate abundance and trends of populations of this species. Diverse opinions exist about estimates of abundance and, consequently, the status of populations. Location Eastern and south‐eastern Australia Methods Using a structured, four‐step question format, a panel of 15 experts estimated population sizes of koalas and changes in those sizes for bioregions within four states. They provided their lowest plausible estimate, highest plausible estimate, best estimate and their degree of confidence that the true values were contained within these upper and lower estimates. We derived estimates of the mean population size of koalas and associated uncertainties for each bioregion and state. Results On the basis of estimates of mean population sizes for each bioregion and state, we estimated that the total number of koalas for Australia is 329,000 (range 144,000–605,000) with an estimated average decline of 24% over the past three generations and the next three generations. Estimated percentage of loss in Queensland, New South Wales, Victoria and South Australia was 53%, 26%, 14% and 3%, respectively. Main conclusions It was not necessary to achieve high levels of certainty or consensus among experts before making informed estimates. A quantitative, scientific method for deriving estimates of koala populations and trends was possible, in the absence of empirical data on abundances.
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 | 0,000 | 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 | 0,001 | 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) | 0,000 | 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