Illegal Harvesting within a Protected Area: Spatial Distribution of Activities, Social Drivers of Wild Meat Consumption, and Wildlife Conservation
Notice bibliographique
Résumé
The African tropical forests host an inestimable number of resources, including food, medicine, vegetal and animal species. Among them, chimpanzees are threatened with extinction by human activities affecting their habitats, such as forest product harvesting, and/or more directly, snaring and trafficking. We aimed to better understand the spatial distribution of these illegal activities, and the reasons for setting snares and consuming wild meat in an agricultural landscape (subsistence farming and cash crops) densely populated near a protected area (Sebitoli, Northern part of Kibale National Park, Uganda). To carry out this study, we combined GPS records of illegal activities collected with group counts (in total, n = 339 tea workers, 678 villagers, and 1885 children) and individual interviews (n = 74 tea workers, 42 villagers, and 35 children). A quarter of illegal activities collected (n = 1661) targeted animal resources and about 60% were recorded in specific areas (southwest and northeast) of the Sebitoli chimpanzee home range. Wild meat consumption, which is illegal in Uganda, is a relatively common practice among participants (17.1% to 54.1% of respondents depending on actor types and census methods). However, consumers declared that they eat wild meat unfrequently (0.6 to 2.8 times per year). Being a young man coming from districts contiguous to Kibale National Park particularly raises the odds of consuming wild meat. Such an analysis contributes to the understanding of wild meat hunting among traditional rural and agricultural societies from East Africa.
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 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 | 0,000 | 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».