Who is the expert? Evaluating local ecological knowledge for assessing wildlife presence in the Peruvian Amazon
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Amazonian wildlife population studies often employ conventional biological survey methods to assess species presence but a growing number of studies are making use of local ecological knowledge (LEK) household surveys. Despite concerns in the scientific community over the accuracy and precision of LEK, scant research to date compares data from conventional biological survey methods with data gathered from household surveys. An important question among scientists is who should be approached when collecting household survey data for wildlife inventories, both for accurate data and for ethical concerns. In this article, we report on the accuracy and precision of LEK household surveys for wildlife inventories based on data collected along the Napo River in Peru using 10 land transect surveys, 5 river transect surveys, 487 camera trap days, and 37 LEK household surveys. Our findings indicate that the household surveys for wildlife inventories are accurate in comparison to biological survey methods, and that they may outperform conventional surveys for certain aquatic, ephemeral, and cryptic terrestrial species. We find no statistical differences among households defined by participation in hunting, community leadership, or primary livelihood strategy. Community members recommend that scientists first solicit wildlife data from community leaders and then hunters. Through the use of retrospection, LEK surveys can reveal how wildlife presence changes through time in remote, data‐poor tropical forests. Use of LEK household surveys is recommended as a useful complement to other methods, with attention to collecting data ethically in collaboration with local communities.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle