Levels of conflict over wildlife: Understanding and addressing the right problem
Notice bibliographique
Résumé
Abstract Human–wildlife conflicts are complex and defy simple explanations and solutions. The fields of conflict analysis and peacebuilding offer insights into the intensity, intractability, and possible approaches to addressing different kinds of conflict. Building on these fields, as well as advances in conservation practice, we adapt a framework for human–wildlife conflict that consists of three levels of conflict over wildlife: Level 1 conflicts are disputes over issues such as crop or livestock loss or concerns about safety, yet typically involve relatively high tolerance of the damage‐inducing species. In level 2 conflicts, in addition to visible impact of wildlife, there is a history of unsatisfactory attempts to address these issues, creating underlying resentment, tensions, and a sense of injustice among at least one of the parties. Level 3 conflicts are deep‐rooted and become intertwined with the identities of the parties and community involved, and extend to broader tensions over social identities and clashing values and beliefs. Such conflicts require mediated reconciliation dialogues and conflict transformation approaches. A structured understanding how to address a conflict before it escalates to a deeper level is fundamental for managing conservation challenges as complex and dynamic as conflicts over wildlife.
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 | 0,014 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,044 |
| Communication savante | 0,017 | 0,032 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».