Temporal Wildlife Crime Trend and Sociodemographic Attributes of Offenders in Annapurna Conservation Area, Nepal
Notice bibliographique
Résumé
Abstract Wildlife crime has emerged as one of the most crucial threats to biodiversity conservation and is particularly severe in south and southeast Asia. Addressing the ever-increasing challenges of wildlife crime in Nepal requires strategies informed by rigorous analysis of spatiotemporal patterns of wildlife crime. However, little do we know about the nature and trends of wildlife crimes in Nepal. Retrieving the information on the registered wild-life crime cases of Annapurna Conservation Area (ACA) from the Annapurna Conservation Area Liaison Office (ACALO) and Kaski District Court, this study assessed the temporal trend and spatial pattern of wildlife crime in the ACA from 1994 to 2019. Additionally, this study assessed the sociodemographic characteristics of the people convicted in wildlife crime cases. A total of 48 cases of crimes were registered over the last 25 years among which the majority of the cases were of poaching and wildlife trophies transportation (89.6%) mainly from Kaski district (60%). For those cases, a total of 132 people were convicted (65% from local villages and 35% from outside the ACA). About 68% of the convicted perpetrators were from Janajati ethnicity with poor economic conditions. These inferences emphasize the necessity of understanding the severity and pattern of the crime to prevent it by synthesizing and implementing conservation programs such as educating targeted groups and providing alternative sources of income.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».