Citizen Science and Sea Turtles: Using iNaturalist as a Tool to Study Chelonian Conservation Biology
Notice bibliographique
Résumé
Sea turtles are among the most threatened group of marine animals, with all species at risk for an assortment of anthropogenic factors including pollution, over-fishing bycatch, and climate change. As the threats to these large aquatic reptiles continue to increase, populations may be facing declines in many areas of their native home ranges. Therefore, new techniques that allow for population monitoring alongside more traditional methods are needed to increase our understanding of these ocean-dwelling vertebrates. Due to their unique biology, sea turtles are often readily observed in near-shore waters and on beach habitats. I assessed the presence and general demography of sea turtles within the USA on the citizen science platform, iNaturalist and report on major findings related to mortalities, age classes, and states where observations are concentrated. iNaturalist observations in this publication represent 8,089 green, 1,171 loggerhead, 312 kemp’s ridley, 129 leatherback, 128 hawksbill, and 17 olive ridley sea turtles. Observations consisted primarily of adult age classes (85.9%), with moralities representing only 10.2%, and the majority of images showing beach habitat (55%) versus open water (44.8%). The number of observations increased annually indicating the potential for this citizen science application to provide valuable population trend data for conservation managers and future study of their nesting and behavioral biology worldwide.
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 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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».