Assessing recovery of spectacled eiders using a Bayesian decision analysis
Notice bibliographique
Résumé
Assessing species status and making classification decisions under the Endangered Species Act is a critical step towards effective species conservation. However, classification decisions are liable to two errors: i) failing to classify a species as threatened or endangered that should be classified (underprotection), or ii) classifying a species as threatened or endangered when it is not warranted (overprotection). Recent surveys indicate threatened spectacled eider populations are increasing in western Alaska, prompting the U.S. Fish and Wildlife Service to reconsider the federal listing status. There are multiple criteria set for assessing spectacled eider status, and here we focus on the abundance and decision analysis criteria. We estimated population metrics using state-space models for Alaskan breeding populations of spectacled eiders. We projected abundance over 50 years using posterior estimates of abundance and process variation to estimate the probability of quasi-extinction. The decision analysis maps the risk of quasi-extinction to the loss associated with making a misclassification error (i.e., underprotection) through a loss function. Our results indicate that the Yukon Kuskokwim Delta breeding population in western Alaska has met the recovery criteria but the Arctic Coastal Plain population in northern Alaska has not. The methods employed here provide an example of accounting for uncertainty and incorporating value judgements in such a way that the decision-makers may understand the risk of committing a misclassification error. Incorporating the abundance threshold and decision analysis in the reclassification criteria greatly increases the transparency and defensibility of the classification decision, a critical aspect for making effective decisions about species management and conservation.
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 | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».