Benefits of traditional and local ecological knowledge for species recovery when scientific inference is limited
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
Many critically endangered species persist in remnant populations so small that ecological information required to assist recovery, such as species-typical demographic parameters and habitat preferences, can be difficult to acquire based on science alone. Traditional ecological knowledge (TEK) or local ecological knowledge (LEK) can fill information gaps and provide additional understanding, though this expertise is not everlasting and often overlooked. We report on research focused on a species survival plan for mountain bongo ( Tragelaphus eurycerus isaaci ), a critically endangered antelope endemic to Kenya, persisting in the wild with fewer than 80 individuals in four separated montane forests. In preparation for a potential conservation translocation of captive-bred bongos into one or more forests, extensive camera trapping yielded limited results, suggesting that data were based on the activities of just a few individuals. Moreover, additional information critical to translocations, such as typical group size and sex ratios, could neither be observed nor obtained from the literature. This knowledge gap was largely resolved using expert interviews conducted with eight former Kenyan hunters, along with historical range and browse mapping, enriching understanding of behavioral characteristics rendering bongo particularly vulnerable to exploitation. Consistently similar responses from observations spanning a 50-year period (1950s to 1990s) across four ecosystems added certainty to responses. This study endorses a combination of data sources when dealing with remnant populations, and specifically recommends making use of this documented mountain bongo TEK/LEK to inform decisions about potential bongo reintroductions in Kenya.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| 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