MétaCan
Menu
Retour à la cohorte
Enregistrement W4212778251 · doi:10.3389/fcosc.2022.788133

Challenges to Elephant Connectivity From Border Fences in the World's Largest Transfrontier Conservation Area

2022· article· en· W4212778251 sur OpenAlexaff
Robin Naidoo, Piet Beytell, Angela Brennan, Werner Kilian, Graham McCulloch, Amanda Stronza, Russell Taylor, Chief Tsholofelo, Anna Songhurst

Notice bibliographique

RevueFrontiers in Conservation Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFencingGeographyWildlifeBustardFence (mathematics)Wildlife conservationNational parkBiodiversity conservationWildlife managementLivestockFisheryBiodiversityEnvironmental resource managementEnvironmental protectionSocioeconomicsEnvironmental planningEcologyForestryEnvironmental scienceBiologyArchaeologyEngineering

Résumé

récupéré en direct d'OpenAlex

To more effectively protect biodiversity and promote sustainable development, transfrontier conservation areas (TFCAs) aim to enhance wildlife flows across national borders. This is true of the world's largest terrestrial TFCA, the Kavango-Zambezi (KAZA), home to half of Africa's savannah elephants that move across five countries in a mixed-use landscape. We used GPS tracking data from >100 collared elephants to evaluate how fences between Namibia and Botswana impact transboundary connectivity in KAZA. For female elephants these fences formed an impenetrable boundary, with no exchange between animals collared in Botswana and those collared in Namibia. Male elephants did cross border fences, although they remained a partial boundary, with 7 of 21 males accounting for most crossings. Our results suggest a review of fence alignment and de-commissioning of some fencing separating Namibia and Botswana, combined with increased support for fence-free interventions that reduce wildlife-livestock interactions, should be considered to meet the objectives of KAZA.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,266
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Conservation ScienceMême sujetWildlife Ecology and ConservationTravaux en français237 207