Participatory assessment of Aklak (grizzly bear) abundance and distribution in the Kivalliq Region, Nunavut, and Northern Manitoba
Notice bibliographique
Résumé
Due to multiple factors, the grizzly bears population distribution and range in both the Kivalliq regions of Nunavut and Northern Manitoba is changing. In this project, 152 observation of grizzly bears records in Manitoba, and 204 harvest records in the Nunavut was collected and adopted. The study area including the Hudson Bay, Kivalliq regions of Nunavut and Northern Manitoba will be reclassify to ten habitat types to find out the distribution of grizzly bears in different habitats. It is found that grizzly bears are more likely to be observed near water (the Hudson Bay and Nelson River) and open areas compared to forest areas. In another hand, the kill sites are relatively scattered and not concentrated on the shore. In terms of habitat type, 97.36 % of hunting occurs in Lichen-moss tundra, water and unvegetated area, which as observational data suggests, is that grizzly bears are more frequently active in open habitats, sea ice and near water, and less often in forest habitats. However, it is undeniable that the factor of grizzly bears is more difficult to be observe or hunted in forest areas. The observation in different regions of study area is uneven, areas with high human activity have more chance of sighting grizzly bears, which leads to bias in our data. Understanding the distribution of grizzly bears in the different habitats of the Kivalliq region and adjacent Northern Manitoba can help people assess the real status of grizzly bears in the area, provide data support for the grizzly bears conservation, inform co-management policies and practices on the harvest of grizzly bears.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».