MétaCan
Menu
Retour à la cohorte
Enregistrement W2551973942 · doi:10.3389/fevo.2016.00128

Stakeholder Perspectives on Triage in Wildlife Monitoring in a Rapidly Changing Arctic

2016· article· en· W2551973942 sur OpenAlexafffund
Helen C. Wheeler, Dominique Berteaux, Chris Furgal, Brenda Parlee, Nigel G. Yoccoz, David Grémillet

Notice bibliographique

RevueFrontiers in Ecology and Evolution · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensUniversity of AlbertaTrent UniversityUniversité du Québec à Rimouski
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNorges ForskningsrådInstitut Polaire Français Paul Emile VictorAgence Nationale de la RechercheNational Science Foundation
Mots-clésTriageWildlifeEnvironmental resource managementStakeholderPopulationArcticCitizen scienceContext (archaeology)Environmental planningBusinessGeographyMedicineEcologyMedical emergencyPublic relationsEnvironmental healthPolitical scienceEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Monitoring activities provide a core contribution to wildlife conservation in the Arctic. Effective monitoring which allows changes in population status to be detected early, provides opportunities to mitigate pressures driving declines. Monitoring triage involves decisions about how and where to prioritise activities in species and ecosystem based monitoring. In particular, monitoring triage examines whether to divert resources away from species where there is high likelihood of extinction in the near-future in favour of species where monitoring activities may produce greater conservation benefits. As a place facing both rapid change with a high likelihood of population extinctions, and serious logistic and financial challenges for field data acquisition, the Arctic provides a good context in which to examine attitudes toward triage in monitoring. For effective decision-making to emerge from monitoring, multiple stakeholders must be involved in defining aims and priorities. We conducted semi-structured interviews with stakeholders in arctic wildlife monitoring (either contributing to observation and recording of wildlife, using information from wildlife observation and recording, or using wildlife as a resource) to elicit their perspectives on triage in wildlife monitoring in the Arctic. The majority (56%) of our 23 participants were predominantly in opposition to triage, 26% were in support of triage and 17% were undecided. Representatives of Indigenous organisations were more likely to be opposed to triage than scientists and those involved in decision-making showed greatest support for triage amongst the scientist participants. Responses to the concept of triage included that: 1) The species-focussed approach associated with triage did not match their more systems-based view (5 participants), 2) Important information is generated through monitoring threatened species which advances understanding of the drivers of change, responses and ecosystem consequences (5 participants), 3) There is an obligation to try to monitor and conserve threatened species (4 participants), and 4) Monitoring needs to address local people’s needs which may be overlooked under triage (3 participants). The complexity of decision-making to create monitoring programmes that maximise benefits to biodiversity and people makes prioritisation with simple models difficult. Using scenarios to identify desirable trajectories of Arctic stewardship may be an effective means of identifying monitoring needs.

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)0,037
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,196

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,043
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0150,010
Communication savante0,0060,006
Science ouverte0,0020,008
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,033
Tête enseignante GPT0,311
Écart entre enseignants0,278 · 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'étudeQualitatif
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

Citations24
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and EvolutionMême sujetIndigenous Studies and EcologyTravaux en français237 207