Exploring cultural differences in wildlife value orientations using student samples in seven nations
Notice bibliographique
Résumé
Abstract Understanding differences in the way people think about wildlife across countries is important as many conservation challenges transcend jurisdictions. We explored differences in wildlife value orientations in seven countries: Australia, Canada, Germany, Japan, Malaysia, the Netherlands and Serbia. Standard scales assessed domination (prioritizing human well-being) and mutualism (striving for egalitarian relationships with wildlife). We used student samples (total n = 2176) for cross-cultural comparisons. Reliabilities of the wildlife value orientations scales were adequate in all countries. Relationships between demographics and wildlife value orientations were different across countries. Men were generally more oriented towards domination and less towards mutualism than women, except in Serbia, where it was the other way around. Estimated at the level of the individual (using ANOVA), wildlife value orientations varied across countries, with nationality explaining a larger portion of the variation in mutualism (21%) than domination (6%). Estimated at the level of countries (using multilevel modelling), effect sizes were comparable. Thought about wildlife has previously only been examined within single countries. This paper makes a new contribution to the conservation literature suggesting that wildlife value orientations vary by country, and are associated with demographic factors. For conservation practices, understanding national differences in the way people think about wildlife is crucial to understanding sources of conflict among practitioners. Such knowledge is also important to gain public support for 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».