MétaCan
Menu
Retour à la cohorte
Enregistrement W2898187698 · doi:10.1111/conl.12613

Diverse knowledge systems reveal social–ecological dynamics that inform species conservation status

2018· article· en· W2898187698 sur OpenAlexafffundabout
Lynn Chi Lee, Joe Thorley, Jane C. Watson, Mike Reid, Anne K. Salomon

Notice bibliographique

RevueConservation Letters · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensVancouver Island UniversityPacific Insight Electronics (Canada)Simon Fraser University
Organismes subventionnairesFisheries and Oceans CanadaSimon Fraser UniversityHakai InstituteCanada Foundation for InnovationNatural Sciences and Engineering Research Council of CanadaPew Charitable Trusts
Mots-clésEcologyGeographyEndangered speciesTraditional knowledgePopulationNeglectEnvironmental resource managementHabitatBiologySociologyIndigenousEnvironmental sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Abstract Understanding changes over historical timescales is essential to gauge conservation status of a species. Modern ecological data typically neglect past magnitudes of change, which fortunately can be evaluated by bridging disparate knowledge sources. We synthesized zooarchaeological, historical, traditional, and western science knowledge to document changes in relative abundance of key species in Canada's northern abalone social–ecological system (SES) from the Holocene to present. Integrated models fit to traditional and western science data revealed 3.7% annual population decline from 1940s to 2010s for large abalone, although traditional knowledge density estimates were 9.5× higher than those derived from western science. Abalone are presently scarce compared to the mid‐1900s, but more abundant than before the early 1800s, calling their endangered status into question. Linking multiple knowledge sources can build SES understanding, facilitate power sharing, and support ecologically sustainable and socially just conservation outcomes.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 Opus0,052
Tête enseignante GPT0,268
Écart entre enseignants0,216 · 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 tête enseignante, pas un consensus.

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

Citations38
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueConservation LettersMême sujetMarine and fisheries researchTravaux en français237 207