Coupling paraecology and hunter GPS self‐follows to quantify village bushmeat hunting dynamics across the landscape scale
Notice bibliographique
Résumé
Abstract Hunting for bushmeat represents a complex social–ecological system ill‐suited to top‐down management. Community participatory management is an alternative approach with increasing support for both ethical and pragmatic reasons. Key to a community approach is long‐term monitoring: this can both catalyse local ownership of and cohesion around management and is necessary to assess the effects of interventions and make changes as needed through adaptive management. Yet community‐driven methods to monitor hunting remain underdeveloped: they often fail to account for sampling bias and do not incorporate space in a thorough way, and data are not communally analysed to simulate effects of potential management decisions. We created a novel community bushmeat monitoring programme to address these gaps across 20 villages in north‐eastern Gabon. Paraecologists conducted standardised monitoring of bushmeat, and hundreds of hunters conducted GPS self‐follows mapping village hunting catchments. We integrated these data to estimate the proportion of bushmeat sampled and make robust extrapolations of total offtake across space and time, estimating an annual offtake of ~30,000 animals of >56 species across all villages. Here, we present our approach and data—and apply them through a case study of six sympatric duiker species—to inform new directions for social–ecological bushmeat research and management.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».