Evidence on the role of social media in the illegal trade of Iranian wildlife
Notice bibliographique
Résumé
Abstract The combination of increasing trade across an ever more globalized world and the ubiquity of social media access has led to unprecedented levels of wildlife exploitation. In this study, we opportunistically surveyed Instagram and Telegram from 2019 to 2020, two of Iran's most prominent social media platforms, for advertisements of illegally captured wildlife in Iran. In total we documented 305 advertisements for 63 species, including birds (29%), amphibians (27%), reptiles (26%), and mammals (17%). Trade was most active in June, which may be due to increased availability of young animals, following spring births. The majority of the species advertised for sale (65%) were classified by the IUCN Red List of Threatened Species as Least Concern, and 5% of the species we documented as being traded are Endangered. Some Endangered species advertised for sale were Caspian seal and Saker falcon. While the sale of all species is illegal in Iran, 25% of species were also listed on CITES as being prohibited for international trade. However, these domestic and international laws are not well‐enforced within Iran, in light of the scale of open trade we observed. We recommend that authorities devote more time to monitoring these online platforms, and that resources are provided to in‐country enforcement efforts during the spring and summer, the observed peak of capture and trade. We also suggest that further research be conducted into the sources of wildlife, motivations for selling wildlife, and motivations for purchasing wildlife.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».