MétaCan
Menu
Retour à la cohorte
Enregistrement W6907591448 · doi:10.25316/ir-17751

Exploring bear attractant management strategies in Vancouver Island campgrounds

2016· article· en· W6907591448 sur OpenAlexaboutno aff

Notice bibliographique

RevueVIURRSpace (Vancouver Island University) · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWildlifeHuman–wildlife conflictTourismWildlife managementNatural (archaeology)PopulationGarbage

Résumé

récupéré en direct d'OpenAlex

Human-wildlife conflict is a global problem. As the human population increases, we further encroach on wildlife habitat. British Columbia has experienced high levels of human-wildlife conflict involving black bears. These can occur in nature tourism contexts such as campgrounds. Campgrounds are often constructed in or near bear habitat because of the beautiful natural appearing terrain. Not only do visitors enjoy natural settings, they also seek to experience wildlife in their own habitat. On Vancouver Island, campgrounds constructed in semi-urban or rural environments are not exempt from human-bear conflict. While bears adapt to the presence of humans, humans do not always adapt their behaviour when they are in wildlife habitat. Consequently, bears can become habituated to people and food-conditioned when they take advantage of unsecured human food and garbage sources. This puts bears at risk of destruction if they are seen as a danger to visitors. Campgrounds have a major role to play in mitigating human-bear conflict through proper management of bear attractants. This research explores black bear attractant management (BBAM) strategies in campgrounds on Vancouver Island, using a mixed methods research design. The findings indicated that all campgrounds employ BBAM strategies to some degree, but there were no consistent approaches found across the campgrounds. Most campgrounds in the study had highly attractive campsites.

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 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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,353
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 savante0,0000,002
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 Opus0,021
Tête enseignante GPT0,194
Écart entre enseignants0,174 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVIURRSpace (Vancouver Island University)Même sujetWildlife Ecology and ConservationTravaux en français237 207