The use and value of opportunistic sightings for cetacean conservation and management in Canada
Notice bibliographique
Résumé
Twenty-one marine mammal species are designated under the Species at Risk Act (SARA) in Canada. When species are designated under SARA, management plans, recovery strategies, and action plans are outlined to prevent wildlife species from being extirpated or becoming extinct. In these plans, monitoring and outreach are often key recovery objectives for the species. Opportunistic sightings (OS) can help support the monitoring and outreach of species at-risk and can provide an important source of information on the presence of a species when systematic surveys are impractical or costly. To better understand the use and value of OS for cetacean conservation and management, marine mammal experts in Canada were interviewed (n= 15). A thematic analysis was used to examine the qualitative data of the interviews. Results suggested that OS are being used in a variety of different ways, from filling in data gaps, creating species distribution maps, informing management measures and being used as education and outreach tools. Experienced observers and reliability of a sighting were reported as key to being able to use the data. One main limitation of OS is the potential for poor data quality. Recommendations on how to improve OS for cetacean conservation and management include improving the quality of OS data by adding pictures or videos of cetaceans when reporting and using mobile applications to help record data, create a centralized database where open-source data is shared across the country, and improve education and outreach programs to increase cetacean identification training sessions for stakeholders on the water. Keywords: opportunistic sightings; citizen science; cetaceans; marine mammals; whales; conservation; management; species at risk; Canada; community-based monitoring.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».