MétaCan
Menu
← Retour à la cohorte
Enregistrement W2340515334 · doi:10.7287/peerj.preprints.1942v1

Managing wolves to benefit woodland caribou populations in northeast British Columbia: what we know and what we need

2016· preprint· en· W2340515334 sur OpenAlexaffabout
Steven F. Wilson

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensVancouver Island University
Organismes subventionnairesnon disponible
Mots-clésWoodland caribouWoodlandGeographyContext (archaeology)Scope (computer science)PopulationEnvironmental resource managementEcologyPredationBiologyArchaeologyDemographyEconomicsSociology

Résumé

récupéré en direct d'OpenAlex

Predator-prey systems are complex and attempts to manage them to benefit woodland caribou populations have generated mixed results. Despite limited success, calls for wolf control continue because of the urgent need to reverse the decline of woodland caribou populations, and because there are so few management options available that have the potential to demonstrate immediate benefits. I present the results of a policy analysis that reviews the potential role of wolf control within the ecological, social and political context of northeast British Columbia (BC). The scale and scope of a wolf control program is ultimately limited by the economic and ethical support of the public, while the program’s effectiveness is governed by the conditional dependencies among the major factors effecting woodland caribou declines. The policy analysis suggests that the contribution of wolf control programs to caribou conservation efforts in northeast BC will be limited, but that significant uncertainties in the causal pathways resulting in caribou population declines limit our ability to propose alternative management policies that have a high confidence of success.

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)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,249
Score d'incertitude au seuil0,501

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,226
Écart entre enseignants0,211 · 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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetWildlife Ecology and Conservation→Travaux en français237 207→