From causes of conflict to solutions: Shifting the lens on human–carnivore coexistence research
Notice bibliographique
Résumé
Abstract Human‐carnivore conflicts pose significant challenges in the management and conservation of carnivores across the globe. Abundant research has led to generalizable insights into the causes of such conflicts. For example, conflicts predictably occur when carnivores have access to human food resources, particularly when their natural foods are scarce. However, similar insights into the effectiveness of interventions aimed at coexistence remains comparatively scarce. We hypothesized that this disparity might be reflected in a bias toward research focused on causes of conflict rather than interventions to address it. To test our hypothesis, we evaluated the content of studies on human–carnivore conflicts and coexistence in Canada and the United States from 2010 to 2021. We found that studies disproportionately focused on causes of conflict, with that discrepancy increasing through our study period. We also found a disproportionate focus on black bears and wolves and western jurisdictions, and a disproportionate use of observational (vs. experimental) approaches. Studies on conflict interventions were primarily directed at the carnivores themselves (e.g., lethal approaches) versus human elements (e.g., attractant management, policies), despite evidence that the latter are more effective. We expect that a shift in focus toward solutions‐oriented research, integrating insights across geographies, taxa, social contexts, and disciplines, would facilitate effective interventions and foster coexistence, improving outcomes for people and carnivores alike.
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 | 0,058 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,026 | 0,015 |
| Études des sciences et des technologies | 0,009 | 0,069 |
| Communication savante | 0,019 | 0,030 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,006 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».