Collaborative field research using drones for whale photo-identification studies in Cumberland Sound, Nunavut
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
In conducting Arctic field research, hiring local field guides has long been a necessity for providing field teams with local knowledge and fundamental needs of boat operation and navigation, general field logistics/safety, and traditional ecological knowledge (TEK) of local animal distribution and natural history. As new threats to Arctic wildlife emerge and as field research methods evolve, including local Inuit as long-standing members of research teams has provided additional collaborative benefits through expanded local knowledge, greater efficiency of data collection, and longer temporal sampling which provides the opportunity to study uncommon events. We describe the collaboration between southern-based scientists and local Inuit from the community of Pangnirtung, Nunavut, to conduct field research on marine mammals in Cumberland Sound from 1997 to 2021. Through a keen interest in marine mammal field research, Inuit partners in Pangnirtung have become highly proficient in all aspects of sample and data collection and have received advanced technical training to allow for an expanded role in achieving research objectives. This expanded role includes running field research operations independently, as well as the extensive use of drones to capture photographs of whales for the purposes of photographic-identification and to record behavior. Collaboration with local Inuit also provides benefits through employment opportunities, development of technical skills, and opportunities to actively participate in research that aims to conserve culturally important local wildlife populations.
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 | 0,002 | 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 | 0,009 | 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 découle