Market patterns within Indonesia's songbird trade
Notice bibliographique
Résumé
Songbirds recorded in Indonesia's songbird trade are more than quarter of its known species. However, only a fraction (approx. 30 %) has demand records. This trade is driven by supply-demand interactions, however current research commonly focuses on either demand or supply, and not its interactions. Understanding interaction patterns is crucial to answering what drives supply and demand, information pivotal to curbing unsustainable trade. We developed an approach to identify these interaction patterns and predict key drivers of supply and demand. We focused mainly in Java, using existing research we identified types of supply and demand data and using field surveys we filled in data gaps. We created the trade interaction value (TIV) by matching species supply and demand data to assess how well supply meets demand. We clustered species into three groups based on their TIV then developed a model to predict the cluster species with supply only records belonged to. The first cluster had the highest demand and was dominated by species with traits important for songbird competitions. Small or large sized, endemic species, and those listed as vulnerable or near threatened were important for the second cluster. The third cluster had traits common of household ornamental species. We predicted that 7.7 % of supply-only species were in the market opportunistically, while the remaining followed one of the three existing cluster patterns. Our research is the first looking at songbird trade from both sides of the market and we hope that it can be a reference for similar approaches applied to other taxa heavily affected by unsustainable trade.
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 | 0,000 | 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) | 0,003 | 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 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 ».