MétaCan
Menu
Retour à la cohorte
Enregistrement W4407714250 · doi:10.1017/s0030605324000097

Human interference with wildlife surveys: a case study from camera-trapping road underpasses in Costa Rica

2024· article· en· W4407714250 sur OpenAlex
Eleanor Flatt, Hilary Brumberg, Andrew Whitworth

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.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueOryx · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesInternational Conservation Fund of Canada
Mots-clésWildlifeCamera trapGeographyFisheryEnvironmental scienceEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Camera traps are widely used to study wildlife. However, theft and vandalism are frequent, resulting in millions of dollars in financial losses and large data gaps in research. Here we report on the impacts of camera-trap theft on a study examining wildlife movement under highway bridges in south-west Costa Rica. Even with metal cases, locks and signs installed on all camera traps, 65% were stolen. The working camera traps accumulated a total of 167 trap-nights and detected only two wild mammal species, eight bird species and one reptile species, as well as three domestic animal species and people. This limited number of wild species was unexpected given the known presence of wide-ranging megafauna and a diverse terrestrial mammal community in the region. The pervasive theft of camera traps leads to data gaps and impairs the potential for research in the region, and we discuss the potential additional reasons for detecting only a small number of species. Our findings highlight the need for solutions to camera-trap theft, to limit financial and data losses for conservation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,287
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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