Evaluating wildlife management by using principles of applied ecology: case studies and implications
Notice bibliographique
Résumé
Context The broad concepts and generalisations that guide conduct of applied ecology, including wildlife management, have been reviewed and synthesised recently into 22 prescriptive and three empirical principles. Aims The aim of this study was to use these principles to evaluate three on-ground wildlife management programs and assess the utility of the principles themselves. Key results Case studies of long-term management of national park biodiversity impacted by feral pigs (Sus scrofa), and of conservation and harvest of red kangaroos (Macropus rufus) and mallards (Anas platyrhnchos), were selected to provide a representative range of management objectives, spatial scales and land tenures, and to include both native and introduced species. Management documents and a considerable scientific literature were available for all three programs. The results highlight similarities and differences among management activities and demonstrate the 25 principles to differing degrees. Most of the prescriptive principles were demonstrated in both the management and the scientific literature in all three programs, but almost no use was made of the three empirical principles. We propose that use of the prescriptive principles constitutes evidence that these programs meet both societal and scientific expectations. However, the limited use of the empirical principles shows gaps in the three programs. Conclusions The results suggest that evaluating other wildlife management programs against the principles of applied ecology is worthwhile and could highlight aspects of those programs that might otherwise be overlooked. Little use was made of the empirical principles, but the the Effort–outcomes principle in particular provides a framework for evaluating management programs. Implications The effort–outcomes relationship should be a focus of future applied research, and both prescriptive and empirical principles should be integrated into wildlife management programs.
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 | 0,074 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».