MétaCan
Menu
Retour à la cohorte
Enregistrement W2988701419 · doi:10.1080/1088937x.2019.1685020

‘I think it is the toughest animal in the North’: human-wolverine interactions among hunters and trappers in the Canadian Northwest Territories

2019· article· en· W2988701419 sur OpenAlexaffabout
Morgane Bonamy, Thora Martina Herrmann, Andrew Harbicht

Notice bibliographique

RevuePolar Geography · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensConcordia UniversityUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésCarnivoreGeographyPopulationEcologyEndangered speciesHabitatDemographyBiologyPredation

Résumé

récupéré en direct d'OpenAlex

The wolverine (Gulo gulo), a carnivore species of ‘Special Concern’ for its western population and ‘Endangered’ for its eastern population, is of special management concern in Canada. Hence understanding human-wolverine relationships and human perceptions toward this carnivore species has become important. Moreover, wolverines are harvested for fur in northern Canada, thus hunters and trappers who live in the vicinity with this species are key stakeholders. Using semi-structured interviews and questionnaires we analysed human-wolverine interactions and perceptions among Dene and Métis hunters and trappers in the Canadian Northwest Territories. We found that hunters and trappers had comprehensive knowledge about wolverine ecology and behavior. Values associated with this species ranged from respect for their tenacious character and strength, to describing the wolverine as a trickster. Stories emphasizing the wolverines’ mischievous nature were also common. Dene and Métis hunters and trappers acknowledge the importance of the wolverine in the socio-ecological system and have observed the cumulative impacts that climate and human-induced landscape change have had on wolverine habitat and population dynamics. Listening to hunters and trappers is one path towards more insightful management options in situations involving conflicts with wolverines.

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 candidatesaucune
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 enseignants0,293
Score d'incertitude au seuil0,342

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,211
Écart entre enseignants0,204 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations11
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolar GeographyMême sujetWildlife Ecology and ConservationTravaux en français237 207