The ecology of human–carnivore coexistence
Notice bibliographique
Résumé
With a shrinking supply of wilderness and growing recognition that top predators can have a profound influence on ecosystems, the persistence of large carnivores in human-dominated landscapes has emerged as one of the greatest conservation challenges of our time. Carnivores fascinate society, yet these animals pose threats to people living near them, resulting in high rates of carnivore death near human settlements. We used 41 y of demographic data for more than 2,500 brown bears-one of the world's most widely distributed and conflict-prone carnivores-to understand the behavioral and demographic mechanisms promoting carnivore coexistence in human-dominated landscapes. Bear mortality was high and unsustainable near people, but a human-induced shift to nocturnality facilitated lower risks of bear mortality and rates of conflict with people. Despite these behavioral shifts, projected population growth rates for bears in human-dominated areas revealed a source-sink dynamic. Despite some female bears successfully reproducing in the sink areas, bear persistence was reliant on a supply of immigrants from areas with minimal human influence (i.e., wilderness). Such mechanisms of coexistence reveal a striking paradox: Connectivity to wilderness areas supplies bears that likely will die from people, but these bears are essential to avert local extirpation. These insights suggest carnivores contribute to human-carnivore coexistence through behavioral and demographic mechanisms, and that connected wilderness is critical to sustain coexistence landscapes.
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 | 0,001 | 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».