Uso de grabadoras de sonido para documentar la diversidad biocultural de la Avifauna de las Tierras Altas Colectivas Emberá de Balsa, Darién, Panamá
Bibliographic record
Abstract
El Darién de Panamá, es uno de los últimos bosques fronteras del mundo. los Pueblos Indígenas desempeñan un papel fundamental como administradores de bosques intactos y Darién no es una excepción. Aquí utilizamos grabadoras de sonido para documentar la comunidad de aves. La identificación de aves fue realizada por Euclides Campos, panameño y guía de aves, así como Doug Robinson, ornitólogo conocedor de la avifauna de Panamá. Retuvimos solo las especies reportadas por ambos coautores. El análisis de los cantos de las aves fue complementado con observaciones hechas por técnicos Emberá en transectos de 1Km. El análisis de los cantos de las aves permitió identificar sonidos de especies. Esto a su vez nos permitió calcular la riqueza de especies. Las curvas de acumulación de especies se generaron agrupando todas las grabadoras, separando las estaciones seca y húmeda. Se agruparon las especies de aves según sus preferencias alimenticias. Se realizó un análisis de correspondencia en las comunidades de aves por sitio para determinar si las comunidades de aves diferían en el paisaje muestreado. La lista de aves obtenidas sirvió para estimular el debate en torno a los poseedores del conocimiento tradicional Emberá sobre aves. La información sobre conocimientos tradicionales de aves fue validada en una reunión con autoridades tradicionales de la región de Balsa (Cacique regional, el presidente del Congreso y los seis Nokos) y hombres y mujeres (40 personas). Una motivación de los Emberá al unir fuerzas con nosotros es documentar y mostrar su éxito en la conservación del bosque. Mientras el mundo enfrenta una sexta crisis de extinción masiva, el pueblo Emberá del río Balsa convive con el bosque de una manera pacífica.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".