MétaCan
Menu
Retour à la cohorte
Enregistrement W4387371680 · doi:10.31234/osf.io/ev8qf

Combating the unsustainable exotic pet trade: Effects of conservation messaging on attitudes, demands, and civic intentions

2023· preprint· en· W4387371680 sur OpenAlexaff
Rumi Naito, Kai M. A. Chan, Jiaying Zhao

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueAnimal and Plant Science Education
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésWildlifeWildlife tradeEntertainmentWildlife conservationBusinessContext (archaeology)BiodiversityInternet privacyPolitical scienceGeographyEcologyBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

The exotic pet trade poses a major threat to biodiversity conservation. To combat biodiversity loss, it is essential to reduce demand for exotic pets and engage people in civic actions for wildlife conservation. Although messaging has been extensively used in conservation practice, little is known about how it can influence attitudes and various types of actions pertaining to the exotic pet trade. This study examined the impact of conservation messaging in the context of exotic pet ownership and wildlife entertainment visitation as common practices of the exotic pet trade. We randomly assigned participants in the U.S. to one of five messaging conditions: biodiversity loss and animal abuse (M1), zoonotic disease risks (M2), illegality (M3), social disapproval (M4), and neutral biological information as a control condition (M5). We found that all conservation messages (M1-M4) significantly decreased people’s favorable attitudes toward the exotic pet trade and their desire to visit wildlife entertainment. However, conservation messaging did not influence the desire for exotic pet ownership or intentions to take civic actions. Our findings highlight the potential of conservation messaging for attitude change and demand reduction for wildlife entertainment, but different approaches are necessary for promoting more effortful actions such as exotic pet ownership and civic actions.

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)0,002
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,006
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,071
Tête enseignante GPT0,337
Écart entre enseignants0,266 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAnimal and Plant Science EducationTravaux en français237 207