Metsäkanalintujen saaliskiintiöt ja suositukset
Bibliographic record
Abstract
Kesäiset riistakolmiolaskennat järjestettiin vuoteen 2004 saakka liian myöhään. Tämän vuoksi metsästysseurat eivät voineet käyttää niiden tuloksia metsäkanalintujen saaliskiintiöpäätöksissä kesäkokouksissaan. Vuonna 2004 Pohjois-Karjalassa järjestettiin pilottihanke riistakolmiolaskentojen aikaistamiseksi, ja samasta vuodesta alkaen laskentoja on aikaistettu ympäri maata. \n \nTässä tutkimuksessa selvitettiin metsästysseurojen käytänteitä ja asenteita saaliskiintiöitä kohtaan. Päätavoitteena oli selvittää metsästysseurojen suhtautumista uudistettuun riistakolmiolaskentaan. Lisäksi tutkittiin seurojen käytänteitä ja mielipiteitä muuhun metsäkanalintujen vapaaehtoiseen suojeluun, saaliskiintiön tekijöihin, kanalinnunmetsästyksen suosioon ja riistahallinnon uudistukseen. Tutkimus toteutettiin sähköisenä kyselynä, joka lähetettiin yhteensä 432 metsästysseuralle Pohjois-Karjalan ja Pohjanmaan maakuntiin. \n \nKyselyn perusteella metsästysseurojen käytännöt eivät olleet merkittävästi muuttuneet riistakolmiolaskennan uudistamisen myötä. Tutkimusta pohjustavaan vuonna 2004 tehtyyn Pohjois-Karjalan riistanhoitopiirin kyselyyn verrattuna ei muutosta metsästysseurojen käytännöissä ja toimintamalleissa ollut juurikaan havaittavissa. Muiden tutkittujen asioiden suhteen vastaukset antoivat kuvan metsästysseurojen tämänhetkisestä suhtautumisesta metsäkanalintuihin ja niiden metsästykseen. \n \nMetsästysseurojen päätöksenteko metsäkanalintujen saaliskiintiöistä ei ole yhtenäistä. Yhteistä ohjeistusta tai opastusta kiintiölle ei ole. Sopimattomasti riistakantoihin suhteutettu saaliskiintiö ei tue kestävää riistakantojen käyttöä. \n \nTässä tutkimuksessa metsästysseuroille luotiin yleistävä suositus metsäkanalintujen saaliskiintiön määrittämiseen. Tavoitteena oli sekä yhdenmukaistaa saaliskiintiökäytäntöä että tehdä siitä vallitsevien kanalintukantojen ja suotuisan riistakantojenverotusasteen mukainen.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.010 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.171 | 0.066 |
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".