Evaluation of pay‐for‐release conservation incentives for unintentionally caught threatened species
Notice bibliographique
Résumé
In the developing world, the exploitation of threatened species jeopardizes their permanence in the wild. Because not all captures are intentional, for instance when capture methods have low selectivity, pressure on these species may be lessened by releasing living incidentally caught animals. However, it is often unrealistic to expect people to voluntarily do so because it means foregoing the benefits of resource extraction. Financial incentives for such animal release may foster conservation objectives. Reducing human-animal conflicts, protecting natural habitat, and conserving nests of threatened species are examples of conservation benefits that can be built on financial reward systems. However, incentives aiming to protect unintentionally captured threatened species are scarce. We considered pay for release, a type of ecosystem-service payment designed to foster the release of incidentally captured threatened species. We aimed to determine the best conditions to implement this scheme, its potential benefits (e.g., incentivizing the release of threatened species), and pitfalls and priority research needs (e.g., required conditions for pay for release to work) to show that its global applicability is possible. Given that approaches solely based on education and law enforcement may be ineffective under some circumstances, we argue that pay for release can protect incidentally captured endangered species if used under conditions conducive for its success. When local participants' intrinsic motivation for conservation is weak, but the release of incidentally live-caught animals into their habitats is readily achievable, pay-for-release schemes could jump start urgently needed conservation efforts against indiscriminate animal harvesting.
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 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 | 0,002 | 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) | 0,002 | 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 tête enseignante, 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 ».