Grizzly bears detected at ecotourism sites are less likely than predicted by chance to encounter conflict
Notice bibliographique
Résumé
Whether ecotourism can lead to human–wildlife conflict is not well understood. In Nuxalk Territory, grizzly bear ( Ursus arctos horribilis Ord, 1815) conflict occurred ∼41–58 km downstream from ecotourism. We screened for genetic matches between individuals that encountered conflict ( n = 30) and 118 individuals detected upstream via hair snags (including 34 at ecotour sites). Of these 34, one encountered conflict. In analysis Scenario 1, we considered all detected and undetected bears in the region as freely mixing, and used Bayes’ theorem to account for imperfect detection of ecotour bears among conflict samples, deriving an estimate of 1.47 (rounded to 2). Accounting for this uncertainty, we used a probability approach to ask how large the unknown non-ecotour bear population would have to be to observe this frequency of conflict among ecotour bears (2/34) by chance. The resulting population level exceeded available estimates, suggesting ecotour bears are less likely to encounter conflict. In Scenario 2, we assumed that downstream bears are not necessarily from the same population as those sampled upstream; we compared the proportions of known ecotour and non-ecotour bears among conflict samples and found no evidence of a significant difference. Collectively, these analyses suggest other human-caused drivers of conflict.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».