Aversive conditioning increases short-term wariness but does not change habitat use in black bears associated with conflict
Notice bibliographique
Résumé
Conflict between humans and black bears (Ursus americanus) occurs throughout North America with increasing public demand to replace lethal management with non-lethal methods, such as aversive conditioning (AC). AC aims to teach animals to associate negative stimuli with humans or their infrastructure. We sought to test the efficacy of AC using radio-collared black bears in Whistler, British Columbia, by monitoring individuals and assigning those in conflict with people to control or treatment groups. We measured wariness using overt reaction distance, displacement distance, and reaction to researchers before, during and after executing 3-5-day AC programs that consisted of launching projectiles at bears in the treatment group. We also assessed predictors of successful AC events (i.e., leaving at a run), changes in bear use of human-dominated habitat during the day and at night, and the effects of including a sound stimulus to signal the beginning and end of AC events. Among treated bears, overt reaction distance increased by 46.5% and displacement distance increased by 69.0% following AC programs, whereas both overt reaction distance and displacement distance decreased over time among control group bears. Each additional AC event during the previous 30 days increased likelihood of bear departure in response to researcher presence by 4.5%. The success of AC events varied among individuals, declined with distance to cover, and increased with exposure to previous AC events. Projectiles launched from guns were slightly more effective at causing bears to displace compared to those launched from slingshots, and sound stimuli decreased the likelihood of a successful AC event. AC did not alter diurnal use by bears of human-dominated habitat. Our results suggest that AC effectively increases short-term wariness in black bears but does not alter bear use of human-dominated spaces, highlighting the importance of proactive attractant management and prevention of food conditioning.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».