MétaCan
Menu
← Retour à la cohorte
Enregistrement W4288697338 · doi:10.31235/osf.io/fk4xj

Tribal Perspectives on Preventing the Introduction of Zebra Mussels into Flathead Lake, Montana

2022· preprint· en· W4288697338 sur OpenAlexaff
Nanette Nelson, Shandin Pete, Chris Neher, John S. Duffield, Shawn P. Devlin

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Invertebrate Ecology and Behavior
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute of Food and AgricultureU.S. Department of Agriculture
Mots-clésEcosystem servicesFlatheadEnvironmental resource managementEcosystemIndigenousGeographyBusinessFisheryEcologyEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Dreissenid mussels are known to alter ecological processes and thus the provision of ecosystem services. Few studies exist linking changes in ecosystem services from aquatic invasive species (AIS) to changes in human welfare. Preventing AIS introduction is a priority for protecting ecosystem services. However, monetization of AIS disruptions to ecosystem services is rare, producing incomplete cost estimates for AIS-related damages and, by extension, inadequate public policy decisions. Non-Anglo American value systems are also absent from public policy. Including indigenous peoples’ nonmarket values is necessary for a more comprehensive accounting of the distributional consequences of management decisions across affected parties. In co-development with the the Confederated Salish and Kootenai Tribes (CSKT) of the Flathead Reservation (Montana), we have designed a survey instrument and research approach with cultural relevance and methods appropriate to a Tribal setting. Based on a physical/chemical/ecological simulation model of the Flathead Lake ecosystem, we developed a set of scientifically plausible characterizations of ecosystem services affected by dreissenid mussel invasion. We pretested the salience of these hypothetical outcomes in focus groups.

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)0,006
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,039
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,003
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,013
Tête enseignante GPT0,252
Écart entre enseignants0,239 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAquatic Invertebrate Ecology and Behavior→Travaux en français237 207→