MétaCan
Menu
Retour à la cohorte
Enregistrement W4376256280 · doi:10.1016/j.tree.2023.04.011

The ethics of intervening in animal behaviour for conservation

2023· review· en· W4376256280 sur OpenAlexaff
Thom van Dooren, Catherine J. Price, Peter B. Banks, Oded Berger‐Tal, Matthew Chrulew, Jane Johnson, Gabrielle Lajeunesse, Kate E. Lynch, Clare McArthur, F. Parker, Myles Oakey, Benjamin J. Pitcher, Colleen Cassady St. Clair, Georgia Ward‐Fear, Sam Widin, Bob B. M. Wong, Daniel T. Blumstein

Notice bibliographique

RevueTrends in Ecology & Evolution · 2023
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSydney Environment Institute, University of SydneyAustralian Research CouncilUniversity of SydneyMacquarie University
Mots-clésPsychological interventionWildlifeWildlife conservationIntervention (counseling)Animal ethicsConservation scienceWildlife managementPopulationField (mathematics)Environmental resource managementManagement scienceBusinessRisk analysis (engineering)Engineering ethicsPsychologyEnvironmental planningEnvironmental ethicsSociologyEngineeringEcologyGeographyBiologyEconomicsBiodiversity

Résumé

récupéré en direct d'OpenAlex

Conservation behaviour is a growing field that applies insights from the study of animal behaviour to address challenges in wildlife conservation and management. Conservation behaviour interventions often aim to manage specific behaviours of a species to solve conservation challenges. The field is often viewed as offering approaches that are less intrusive or harmful to animals than, for example, managing the impact of a problematic species by reducing its population size (frequently through lethal control). However, intervening in animal behaviour, even for conservation purposes, may still raise important ethical considerations. We discuss these issues and develop a framework and a decision support tool, to aid managers and researchers in evaluating the ethical considerations of conservation behaviour interventions against other options.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,159
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,110
Tête enseignante GPT0,387
Écart entre enseignants0,277 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrends in Ecology & EvolutionMême sujetWildlife Ecology and ConservationTravaux en français237 207