Linking co-monitoring to co-management: bringing together local, traditional, and scientific knowledge in a wildlife status assessment framework
Notice bibliographique
Résumé
Effective wildlife management requires accurate and timely information on conservation status and trends, and knowledge of the factors driving population change. Reliable monitoring of wildlife population health, including disease, body condition, and population trends and demographics, is central to achieving this, but conventional scientific monitoring alone is often not sufficient. Combining different approaches and knowledge types can provide a more holistic understanding than conventional science alone and can bridge gaps in scientific monitoring in remote and sparsely populated areas. Inclusion of traditional ecological knowledge (TEK) is core to the wildlife co-management mandate of the Canadian territories and is usually included through consultation and engagement processes. We propose a status assessment framework that provides a systematic and transparent approach to including TEK, as well as local ecological knowledge (LEK), in the design, implementation, and interpretation of wildlife conservation status assessments. Drawing on a community-based monitoring program for muskoxen and caribou in northern Canada, we describe how scientific knowledge and TEK/LEK, documented through conventional monitoring, hunter-based sampling, or qualitative methods, can be brought together to inform indicators of wildlife health within our proposed assessment framework. Atuttiaqtut angutikhat aulatauni piyalgit nalaumayumik piyarakittumiklu tuhagakhat nunguttailininut qanuritni pitquhitlu, ilihimanilu pityutit pipkaqni amigaitnit alanguqni. Naahuriyaulat munarini angutikhat amigaitni aaniaqtailini, ilautitlugit aaniarutit, timai qanuritnit, amigaitnitlu pitquhit hiamaumanilu, atugauniqhauyut pitaqninut una, kihimik atuqtauvaktut naunaiyaiyit munariyauni kihimik amihuni naamangitmata. Ilaliutyaqni allatqit pityuhit ilihimanitlu qanuritni piqarutaulat tamatkiumaniqhanik kangiqhimani atuqtauvaktuniunganit naunaiyaiyit munarinit ahiniittut akuttuyunik amigaitni inait. Ilaliutyaqni pitquhit uumatyutit ilihimani (TEK) qitqanittut angutikhat aulaqataunit havariyaqaqtai tapkuat Kanatamiuni nunatagauyut ilaliutivakniqhatlu atuqhugit uqaqatigikni piqataunilu pityuhiit. Uuktutigiyavut qanuritnia naunaiyaqni havagut piqaqtitiyuq havagutikhainik hatqiumanilu pityuhit ilautitlugit Pitquhit Uumatyutit Ilihimanit (TEK), tapkualuttauq nunalikni uumatyutit ilihimanit (LEK), hanatyuhikhaini, atuqpaliani, tukiliuqnilu angutikhat nunguttailini qanuritnit naunaiyaqni. Pivigiplugit nunaliuyuningaqtut munaqhityutit havagutit umingmaknut tuktutlu ukiuqtaqtuani Kanata, unnirtuqtavut qanuq naunaiyaiyit ilihimani tapkuatlu TEK/LEK, titiqhimani atuqhugit atuqtauvaktut munaqhityutaunit, angunahuaqtumingaqtut naunaiyagat, uvaluniit nakuuninut pityuhit, atauttimuktaulat tuhaqhitninut naunaipkutat angutikhat tahamani uuktutauyuq naunaiyaqni havagutai.
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 | 0,106 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,017 | 0,007 |
| Études des sciences et des technologies | 0,012 | 0,045 |
| Communication savante | 0,022 | 0,021 |
| Science ouverte | 0,007 | 0,025 |
| Intégrité de la recherche | 0,006 | 0,006 |
| 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 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 ».