MétaCan
Menu
Retour à la cohorte
Enregistrement W3088767289 · doi:10.7287/peerj.9846v0.1/reviews/3

Peer Review #3 of "Site selection by geese in a suburban landscape (v0.1)"

2020· peer-review· en· W3088767289 sur OpenAlexaboutno aff
Liviu G. Pârâu

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineNursing
ThématiqueNutrition, Health and Food Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)GeographySite selectionCartographyBiologyComputer sciencePolitical scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BackgroundIn European and North American cities geese are among the most common and most visible large herbivores.As such, their presence and behaviour often conflict with the desires of the human residents.Fouling, noise, aggression and health concerns are all cited as reasons that there are "too many".Lethal control is often used for population management, however, this raises questions about whether this is a sustainable strategy to resolve the conflict between humans and geese, when paradoxically, it is humans that are responsible for creating the habitat and often providing the food and protection of geese at other times.We hypothesise that the landscaping of suburban parks can be improved to decrease its attractiveness to geese and to reduce the opportunity for conflict between geese and humans.Methods Using observations collected over five years from a botanic garden situated in suburban Belgium and data from the whole of Flanders in Belgium, we examined landscape features that attract geese.These included the presence of islands in lakes, the distance from water, barriers to level flight and the size of exploited areas.The birds studied were the tadornine goose Alopochen aegyptiaca (L.1766) (Egyptian goose) and the anserine geese, Branta canadensis (L.1758) (Canada goose), Anser anser (L.1758) (greylag goose) and Branta leucopsis (Bechstein, 1803) (barnacle goose).Landscape modification is a known method for altering goose behaviour, but there is little information on the power of such methods with which to inform managers and planners. ResultsOur results demonstrate that lakes with islands attract more than twice as many anserine geese than lakes without islands, but make little difference to Egyptian geese.Furthermore, flight barriers between grazing areas and lakes are an effective deterrent to geese using an area for feeding.Keeping grazing areas small and surrounded by trees reduces their attractiveness to geese. ConclusionThe results suggest that landscape design can be used successfully to reduce the number of geese and their conflict with humans.However, this approach has its limitations and would require humans to compromise on what they expect from their landscaped parks, such as open vistas, lakes, islands and closely cropped lawns.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,397
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,038
Tête enseignante GPT0,351
Écart entre enseignants0,313 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNutrition, Health and Food BehaviorTravaux en français237 207