MétaCan
Menu
Retour à la cohorte
Enregistrement W4318586408 · doi:10.3126/njz.v6i2.51878

Wildlife road-kills on the Tikauli section of East-West Highway in Barandabhar Corridor Forest, Chitwan, Nepal

2022· article· en· W4318586408 sur OpenAlexaff
Pushpa Rana Magar, Jhamak Bahadur Karki, Lilu Kumari Magar, Sandesh Bolakhe, Nripesh Kunwar

Notice bibliographique

RevueNepalese Journal of Zoology · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensThompson Rivers University
Organismes subventionnairesWWF Nepal
Mots-clésWildlifeGeographyNational parkWildlife conservationWildlife managementBiodiversityForestryEcologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Roads are one of the linear infrastructures that play important role in nation development. Roads create barrier for the movement of wildlife, however, their impacts on wildlife are not sufficiently studied in Nepal. Thus, current study attempted to explore the impacts of Tikauli section of East-West Highway of Nepal on the wildlife of Barandabhar Corridor Forest (BCF). Wildlife vehicle collisions (WVCs) were recorded from December 2019 to September 2020 by dividing a day into morning, day, and late evening periods. Primary data were collected through direct road survey and key informant interview (n = 22) whereas secondary data were collected from the annals of Chitwan National Park, National Trust for Nature Conservation-Biodiversity Conservation Center and Division Forest Office, Chitwan, Nepal. Arc GIS 10.5 was used to produce relevant illustration and WVC hotspot identification based on Kernel Density Function. Out of thirty-three dead animals observed during the study period, spotted deer (Axis axis) were killed most frequently (n = 11) from WVCs followed by the Oriental garden lizard (Calotes versicolor). The highest number of deaths were recorded in winter and in the late evening. Besides keeping track of WVC records properly, further research is recommended.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 GPT0,221
Écart entre enseignants0,208 · 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'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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNepalese Journal of ZoologyMême sujetWildlife-Road Interactions and ConservationTravaux en français237 207