MétaCan
Menu
Retour à la cohorte
Enregistrement W4295430125 · doi:10.1016/j.japb.2022.08.002

Thailand's online reptile market decreases but shifts toward native species during COVID-19

2022· article· en· W4295430125 sur OpenAlexaff
Jordi Janssen

Notice bibliographique

RevueJournal of Asia-Pacific Biodiversity · 2022
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueRabies epidemiology and control
Établissements canadiensWildlife Conservation Society Canada
Organismes subventionnairesnon disponible
Mots-clésWildlife tradePoachingWildlifeCoronavirus disease 2019 (COVID-19)PandemicGeographyWildlife conservationBusinessDevelopment economicsFisheryInternational tradeEcologyBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

The recent COVID-19 pandemic presented the world with a crisis of incredible scale and made wildlife markets the focal point of authorities. Scientific literature on COVID-19 and wildlife trade overwhelmingly focused on the zoonotic risks of wildlife markets. As many physical marketplaces for wildlife were faced with closure or restrictions to curb the spread of COVID-19, alternative sale platforms were sought. I monitored social media platforms in Thailand during the pandemic and compared this with data obtained in 2016. I found a significant reduction of lizards and snakes offered for sale on social media, compared with before the pandemic. Although the quantity decreased, I found that the number of species almost doubled in snakes, of which unprotected native species increased by 245%. Transport restrictions would limit the mobility of harvesters and interrupts trade chains, and thus could explain the reduced number of snakes and lizards for sale. However, the increase in native species for sale shows that the impact of this international trade disruption could shift focus from international trade to what is locally available. Potentially having serious consequences for the conservation of local species and in line with previous studies documenting increased poaching rates and wildlife crime incidents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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 Opus0,030
Tête enseignante GPT0,243
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Asia-Pacific BiodiversityMême sujetRabies epidemiology and controlTravaux en français237 207