<em>Editor's Introduction</em> The Cost of Fear
Notice bibliographique
Résumé
No human fatalities occurred when US Airways Flight 1549 crash-landed in the Hudson River after colliding with a flock of Canada geese on January 15, 2009(Caudell 2009).More broadly speaking, I am not sure the announcement of no fatalities was accurate, however.Admittedly, none of the plane's passengers and crew members was killed in the incident, but the collision of the aircraft with birds will reinforce a fear-of-flying that grips millions of people worldwide.As a result of this widely-publicized crash, many people will now drive to their destinations, rather than fly.Statistically, driving places people in greater peril than does flying.If one of the people who decided to drive rather than fly is killed in a car accident, it could be argued that US Airways Flight 1549 has suffered its first fatality, because someone indirectly has lost his or her life as a result of fear created by that airplane crash.This scenario suggests one of the more serious, but unreported, costs of human-wildlife conflicts: fear of wildlife.Wildlife phobias are common and serious.They include fears about being attacked by a predator, bitten by a snake or rabid animal, or killed in airplane crash as a result of a bird strike.Victims of wildlife phobias suffer a diminished enjoyment of life.Economists use the term lost-opportunity cost when they refer to the costs of forgoing opportunities with a resulting diminishment in life's joys.Lost-opportunity costs caused by wildlife also include economic losses suffered when someone is unable to take advantage of an opportunity because of a problem with wildlife.For instance, a farmer may not be able to use a pasture for grazing because he is afraid that coyotes will kill any livestock placed in the pasture.Unfortunately, lost-opportunity costs are rarely considered or quantified when documenting the cost of human-wildlife conflicts.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».