Exotic pet trade in Canada: The influence of social media on public sentiment and behaviour
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The live trade in wild animals can increase the risk of escape of exotic animals, introduce invasive species, spread zoonotic diseases, over-exploit wild populations, and harm animal welfare. Trade in exotic pets is a particularly understudied issue in Canada. While Canadians generally have pro-environmental attitudes, it is unclear whether this extends to the trade in exotic animals. With most Canadians on social media, we aimed to use Natural Language Processing of social data to examine public sentiment towards exotic pet trade in Canada. We analysed 9,274 posts on Twitter (now 'X') about exotic pets between 2012 and 2022, and 150,236 comments from 2568 TikTok videos showing exotic pets from 50 unique Canadian accounts. We found that social media users demonstrate markedly positive attitudes towards the live trade in reptiles and amphibians, mammals, birds, and arachnids and insects, even on TikTok videos showing poor animal care and questionable legality. We propose a conceptual framework for how exotic pet influencers directly and indirectly contribute to increased demand for exotic pets through opinion leadership, sharing information on where to buy exotic pets, and normalising exotic pet ownership. We suggest that it is important to raise public awareness among social media users about the challenges associated with wildlife trade, including animal welfare considerations, and the links between exotic pet trade and conservation.
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.
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 | 0,001 | 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 découle