Explicit Not Implicit Preferences Predict Conservation Intentions for Endangered Species and Biomes
Notice bibliographique
Résumé
Conservation of biodiversity is determined in part by human preferences. Preferences relevant to conservation have been examined largely via explicit measures (e.g., a self-reported degree of liking), with implicit measures (e.g., preconscious, automatic evaluations) receiving relatively less attention. This is the case despite psychological evidence from other contexts that implicit preferences are more informative of behavior. Thus, the type of measure that predicts conservation intentions for biodiversity is unknown. We conducted three studies to examine conservation intentions in light of people's explicit and implicit preferences toward four endangered species (sea otter, American badger, caribou, yellow-breasted chat) and four biomes (forest, ocean, grassland, tundra). In Study 1 (n = 55), we found that people implicitly preferred caribou most, but explicitly preferred sea otter most, with a significant multiple regression where participants' explicit preferences dictated their stated intended donations for conservation of each species. In Study 2 (n = 57) we found that people implicitly and explicitly preferred forest and ocean over grassland and tundra. Explicit rather than implicit preferences predicted the intended donation for conservation of the ocean biome. Study 3 involved a broader online sample of participants (n = 463) and also found that explicit preferences dictated the intended donations for conservation of biomes and species. Our findings reveal discrepancies between implicit and explicit preferences toward species, but not toward biomes. Importantly, the results demonstrate that explicit rather than implicit preferences predict conservation intentions for biodiversity. The current findings have several implications for conservation and the communication of biodiversity initiatives.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».