A systematic survey of the integration of animal behavior into conservation
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
The role of behavioral ecology in improving wildlife conservation and management has been the subject of much recent debate. We sought to answer 2 foundational questions about the current use of behavioral knowledge in conservation: To what extent is behavioral knowledge used in wildlife conservation and management, and how does the use of animal behavior differ among conservation fields in both frequency and types of use? We searched the literature for intersections between key fields of animal behavior and conservation and created a systematic heat map (i.e., graphical representation of data where values are represented as colors) to visualize relative efforts. Some behaviors, such as dispersal and foraging, were commonly considered (mean [SE] of 1147.38 [353.11] and 439.44 [108.85] papers per cell, respectively). In contrast, other behaviors, such as learning, social, and antipredatory behaviors were rarely considered (mean [SE] of 33.88 [7.62], 44.81 [10.65], and 22.69 [6.37] papers per cell, respectively). In many cases, awareness of the importance of behavior did not translate into applicable management tools. Our results challenge previous suggestions that there is little association between the fields of behavioral ecology and conservation and reveals tremendous variation in the use of different behaviors in conservation. We recommend that researchers focus on examining underutilized intersections of behavior and conservation themes for which preliminary work shows a potential for improving conservation and management, translating behavioral theory into applicable and testable predictions, and creating systematic reviews to summarize the behavioral evidence within the behavior-conservation intersections for which many studies exist.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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