From causes of conflict to solutions: Shifting the lens on human–carnivore coexistence research
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
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.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| 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