Navigating human-sloth bear encounters and attacks in Nepal’s unprotected forests
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
Human-sloth bear conflict is a recurring issue in multi-use forest landscapes outside protected areas (PAs). In Nepal’s southern region, sloth bears are a major contributor to human-wildlife conflict, yet comprehensive information to inform conflict mitigation and ensure human safety remain limited. To address this gap, we collected questionnaire-based interview data on sloth bear encounters and attacks from 1990 to 2021 around the Trijuga forest, an important sloth bear habitat outside of Nepal’s PAs. Within this time period, 66 human-sloth bear encounters involving 69 human individuals were recorded, with an annual average of 2.06 (SD = 1.48) encounters and 1.75 (SD = 1.34) attacks. Encounters primarily involved working-age men (25–55 years old), whose primary occupation was farming and who frequented the forest daily. They typically occurred between 0900 and 1500, inside forests, and in habitats with poor visibility conditions. Fifty-six encounters resulted in attacks by bears that injured 59 people, with a fatality rate of 8.47%. Victims of bear attacks frequently had serious injuries, especially to the head and neck areas of the body. Serious injuries were more likely to occur to lone individuals than to people who were in groups of two or more. We suggest the identification of high-risk bear encounter zones through participatory mapping with active community involvement, promoting sustainable alternatives to forest dependence, and outreach programs for local communities to enhance effective human-sloth bear conflict management in Nepal’s unprotected forests.
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 | 0,000 | 0,000 |
| 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 découle