Conditioned Taste Aversion as a Tool for Mitigating Human-Wildlife Conflicts
Notice bibliographique
Résumé
Modern wildlife management has dual mandates to reduce human-wildlife conflict (HWC) for burgeoning populations of people while supporting conservation of biodiversity and the ecosystem functions it affords. These opposing goals can sometimes be achieved with non-lethal intervention tools that promote coexistence between people and wildlife. One such tool is conditioned taste aversion (CTA), the application of an evolutionary relevant learning paradigm in which an animal associates a transitory illness to the taste, odor or other characteristic of a particular food item, resulting in a long-term change in its perception of palatability. Despite extensive support for the power of CTA in laboratory studies, field studies have exhibited mixed results, which erodes manager confidence in using this tool. Here we review the literature on CTA in the context of wildlife conservation and management and discuss how success could be increased with more use of learning theory related to CTA, particularly selective association, stimulus salience, stimulus generalization, and extinction of behavior. We apply learning theory to the chronological stages of CTA application in the field and illustrate them by synthesizing and reviewing past applications of CTA in HWC situations. Specifically, we discuss (1) when CTA is suitable, (2) how aversion can be most effectively (and safely) established, (3) how generalization of aversion from treated to untreated food can be stimulated and (4) how extinction of aversion can be avoided. For each question, we offer specific implementation suggestions and methods for achieving them, which we summarize in a decision-support table that might be used by managers to guide their use of CTA across a range of contexts. Additionally, we highlight promising ideas that may further improve the effectiveness of CTA field applications in the future. With this review, we aspire to demonstrate the diverse past applications of CTA as a non-lethal tool in wildlife management and conservation and facilitate greater application and efficacy in the future.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».