MétaCan
Menu
Retour à la cohorte
Enregistrement W7066792582

Impacts of boat-based wildlife viewing in the K'tzim-a-deen Inlet on grizzly bear (Ursus arctos) behavior

2015· article· en· W7066792582 sur OpenAlexaboutno aff

Notice bibliographique

RevueAcquire (CQUniversity) · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage and Object Detection Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWildlifeGrizzly BearsRecreationWildlife managementWildlife conservationPerspective (graphical)WildernessReproductive success
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

All forms of recreation and tourism, including wildlife viewing, have the potential to alter wildlife habitat, behavior, survival, and/or reproductive success. The increasing number of visitors pursuing bear-viewing activities in coastal British Columbia, Canada, and Alaska, United States, has led to a number of studies assessing the impact of wildlife viewing on bear behavior. This study, the first to assess the impact of boat-based bear viewing in this region, used focal sampling to measure bear activity budgets in the absence and presence of nonresearch bear-viewing vessels. We found that: (1) some grizzly bears were clearly tolerant of wildlife viewing activities while others were not; (2) individual variation of bears’ response to tourists was significant, introducing considerable uncertainty in attempting to assess medium- to long-term impacts of wildlife viewing; (3) males were rarely observed outside of the mating season, suggesting females (especially those with cubs) may use viewing areas as refuges from male grizzly bears; and (4) overt reaction distances varied greatly, suggesting that one appropriate management option may be to ensure boat captains can recognize potential displacement behavior in bears to avoid affecting subject animals. Some of the uncertainty arising from the biological research could be tempered by examining the social perspective of bear viewing tours to create an appropriate management plan for the K’tzim-a-deen Inlet Conservancy.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,895
Score d'incertitude au seuil0,210

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,032
Tête enseignante GPT0,253
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcquire (CQUniversity)Même sujetImage and Object Detection TechniquesTravaux en français237 207