What is the evidence that counter‐wildlife crime interventions are effective for conserving African, Asian and Latin American wildlife directly threatened by exploitation? A systematic map protocol
Notice bibliographique
Résumé
Abstract Human activities are driving a global biodiversity crisis. In response, a broad range of conservation actions have been implemented. With finite resources available, and a rapidly narrowing window, the scientific and policy communities have acknowledged the need to better understand the effectiveness of interventions for conserving threatened species. Given the recent emphasis on the use of counter wildlife crime interventions (i.e. those that directly protect wildlife from illegal harvest, detect and sanction rule‐breakers, and interdict and control illegal wildlife commodities), there is a clear need to summarize the available evidence on biological and threat reduction outcomes of such actions to help make evidence‐informed management and funding decisions. Here, we present a protocol for a systematic map that will collate the existing body of literature addressing the effectiveness of counter‐wildlife crime interventions for protecting targeted species. Our focus will be on select species or species groups directly threatened by exploitation (i.e. illegal harming whether by harvest as a resource or for control/persecution) and native to Africa, Asia and Latin America, which are regions that have experienced significant wildlife populations declines. The systematic map will aim to capture available evidence found in commercially published and grey literature. We will search for the literature using four publication databases, Google Scholar, 36 specialist websites and databases and sources identified through a call for evidence among relevant networks. Eligibility screening will be conducted at two stages: (1) title and abstract and (2) full text. Relevant information from included papers will be extracted and entered into a searchable, coded database (MS‐Excel). Narrative synthesis and descriptive statistics will describe the key characteristics of the relevant evidence base (e.g. geographic location, species, interventions, direct threats, outcomes and study designs). Using visual heat maps, we will identify key knowledge gaps warranting further research and clusters of evidence that could serve as topics for future systematic reviews. The resulting map will guide further exploration on evaluating the effectiveness of counter‐wildlife crime interventions, and aid in building an evidence base that supports both management and funding decisions to ensure efficient use of limited resources and maximal conservation benefits.
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 | 0,080 | 0,167 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,013 | 0,010 |
| Bibliométrie | 0,032 | 0,018 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,008 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,096 | 0,016 |
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 ».