Decision analysis rooted in Indigenous and Western scientific knowledge identifies cost-effective strategies for managing hyperabundant deer to restore keystone places
Notice bibliographique
Résumé
The hyperabundance of herbivores—a result of altered human relationality with the land and the extirpation of predators—is leading to large-scale degradation of keystone ecosystems across the globe. Designing and implementing socially acceptable and cost-effective strategies that meaningfully reduce herbivore populations while allowing for the recovery of ecological function and cultural relationality is an inherently complex issue. As a result, decision paralysis is common, leading to delayed or avoided action and continued ecosystem loss and degradation. Using a structured decision-making process that incorporated expert elicitation, population modeling, and cost-effectiveness analyses while honoring multiple knowledge systems, we identified five discrete and four portfolio strategies for managing hyperabundant black-tailed deer (Odocoileus hemionus columbianus) in the Southern Gulf Islands of British Columbia, Canada, with consideration to benefit, feasibility, and cost objectives. Hunting led by local Indigenous Nations was ranked the most cost-effective strategy when benefits were considered in terms of the well-being of peoples and place holistically, and accounted for both Indigenous and Western science worldviews. When only Western perspectives were included, increased licensed hunting by local communities and hiring professional deer reduction specialists were ranked the most cost-effective. However, while increased licensed hunting had a >50% likelihood of project uptake and success (i.e., feasibility), the strategy had <50% likelihood of achieving any benefit objective. In comparison, Indigenous-led hunting, professional deer reduction specialists, and all portfolio strategies had >50% likelihood of meeting at least one benefit objective, although only Indigenous-led hunting also had >50% likelihood of achieving feasibility objectives. We provide a roadmap for decision-makers across the globe to robustly and transparently assess the problem of herbivore hyperabundance and inform solutions within their context. Within the Salish Sea, our work highlights the need to support hunting, and in particular, Indigenous-led hunting, as cost-effective strategies to promote revitalization of wellbeing of peoples and place.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».