Behavioural responses of brown bears to roads and hunting disturbance
Notice bibliographique
Résumé
Abstract Harvest regulations commonly attenuate the consequences of hunting on specific segments of a population. However, regulations may not protect individuals from non‐lethal effects of hunting and their consequences remain poorly understood. In this study, we compared the movement rates of Scandinavian brown bears (Ursus arctos, n = 47) across spatiotemporal variations in risk in relation to the onset of bear hunting. We tested two alternative hypotheses based on whether behavioural responses to hunting involve hiding or escaping. If bears try to reduce risk exposure by avoiding being detected by hunters, we expect individuals from all demographic groups to reduce their movement rate during the hunting season. On the other hand, if bears avoid hunters by escaping, we expect them to increase their movement rate in order to leave high‐risk areas faster. We found an increased movement rate in females accompanied by dependent offspring during the morning hours of the bear hunting season, a general decrease in movement rate in adult lone females, and no changes in males and subadult females. The increased movement rate that we observed in females with dependant offspring during the hunting season was likely an antipredator response because it only occurred in areas located closer to roads, whereas the decreased movement rate in lone females could be either part of seasonal activity patterns or be associated with an increased selection for better concealment. Our study suggests that female brown bears accompanied by offspring likely move faster in high‐risk areas to minimize risk exposure as well as the costly trade‐offs (i.e. time spent foraging vs. time spent hiding) typically associated with anti‐predator tactics that involve changes in resource selection. Our study also highlights the importance of modelling fine‐scale spatiotemporal variations in risk to adequately capture the complexity in behavioural responses caused by human activities in wildlife.
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 | 0,000 |
| 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) | 0,001 | 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 ».