FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2164481750> ?p ?o ?g. }

• W2164481750 endingPage "170" @default.
• W2164481750 startingPage "158" @default.
• W2164481750 abstract "State-and-transition models (STMs) depict current understanding of vegetation dynamics and are being created for most ecological sites in the United States. Model creation is challenging due to inadequate long-term data, and most STMs rely on expert knowledge. There has been little systematic documentation of how different types of knowledge have been integrated in STMs, or what these distinct knowledge sources offer. We report on a series of participatory workshops where stakeholders helped to integrate STMs developed for the same region using local knowledge and ecological field data. With this exploratory project, we seek to understand what kinds of information local knowledge and ecological field data can provide to STMs, assess workshops as a method of integrating knowledge and evaluate how different stakeholders perceive models created with different types of knowledge. Our analysis is based on meeting notes, comments on draft models, and workshop evaluation questionnaires. We conclude that local knowledge and ecological data can complement one another, providing different types of information at different spatial and temporal scales. Participants reported that the workshop increased their knowledge of STMs and vegetation dynamics, suggesting that engaging potential model users in developing STMs is an effective outreach and education approach. Agency representatives and ranchers expressed the value of both the local knowledge and data-driven models. Agency participants were likely to critique or add components based on monitoring data or prior research, and ranchers were more likely to add states and transitions based on personal experience. As STM development continues, it is critical that range professionals think systematically about what different forms of data might contribute to model development, how we can best integrate existing knowledge and data to create credible and useful models, and how to validate the resulting STMs. Los modelos de estados-y-transiciones (METs) describen el estado actual del conocimiento sobre la dinámica de la vegetación y están siendo elaborados para la mayoría de los sitios ecológicos de los Estados Unidos. La elaboración de estos modelos presenta desafíos debido a series históricas de datos inadecuadas, y la mayoría de los METs se basan en conocimiento experto. Ha habido escasa documentación sistemática sobre cómo diferentes tipos de conocimiento han sido incorporados en los METs, o sobre qué ofrece cada una de estas fuentes de conocimiento. Se informan los resultados de una serie de talleres participativos en los que las partes interesadas ayudaron a integrar METs desarrollados para una misma región utilizando conocimiento local y datos ecológicos de campo. Este proyecto exploratorio busca entender qué tipos de información pueden aportar a los METs, el conocimiento local y los datos ecológicos de campo, evaluar a los talleres como un método para integrar conocimientos, y evaluar la percepción de los modelos creados con diferentes tipos de conocimiento por parte de distintos participantes. Nuestro análisis se basa en notas tomadas durante reuniones, comentarios recibidos sobre borradores de modelos, y cuestionarios de evaluación de talleres. Concluimos que el conocimiento local y los datos ecológicos pueden complementarse mutuamente, proveyendo diferentes tipos de información a distintas escalas espacio-temporales. Los participantes manifestaron que el taller aumentó su conocimiento sobre los METs y la dinámica de la vegetación, hecho que sugiere que la participación de los usuarios potenciales de los modelos en el proceso de elaboración de los METs es un método efectivo de extensión y educación. Los representantes de las agencias del gobierno y los productores expresaron el valor tanto del conocimiento local como de los modelos basados en datos. Los participantes de las agencias gubernamentales fueron más propensos a realizar críticas o agregar componentes basados en monitoreo o investigación previa, los productores fueron más propensos a agregar estados y transiciones sobre la base de su experiencia personal. A medida que se continúe con la elaboración de METs, es sumamente importante que los profesionales de manejo de pastizales naturales piensen sistemáticamente acerca de los diferentes tipos de datos que podrían contribuir a la elaboración de los modelos, cuál es la mejor manera de integrar el conocimiento y los datos existentes para crear modelos creíbles y útiles, y cómo validar los METs resultantes." @default.
• W2164481750 created "2016-06-24" @default.
• W2164481750 creator A5035593095 @default.
• W2164481750 creator A5039859018 @default.
• W2164481750 creator A5048559297 @default.
• W2164481750 creator A5061484846 @default.
• W2164481750 date "2011-03-01" @default.
• W2164481750 modified "2023-10-17" @default.
• W2164481750 title "Using Participatory Workshops to Integrate State-and-Transition Models Created With Local Knowledge and Ecological Data" @default.
• W2164481750 cites W119378269 @default.
• W2164481750 cites W152761017 @default.
• W2164481750 cites W166103187 @default.
• W2164481750 cites W1768791706 @default.
• W2164481750 cites W2005536530 @default.
• W2164481750 cites W2023221808 @default.
• W2164481750 cites W2055019976 @default.
• W2164481750 cites W2062121744 @default.
• W2164481750 cites W2081095563 @default.
• W2164481750 cites W2081115591 @default.
• W2164481750 cites W210956521 @default.
• W2164481750 cites W2120231953 @default.
• W2164481750 cites W2122455990 @default.
• W2164481750 cites W2124611226 @default.
• W2164481750 cites W2134384650 @default.
• W2164481750 cites W2144274410 @default.
• W2164481750 cites W2149482661 @default.
• W2164481750 cites W2151393597 @default.
• W2164481750 cites W2161586297 @default.
• W2164481750 cites W2163861887 @default.
• W2164481750 cites W2164948246 @default.
• W2164481750 cites W2167648279 @default.
• W2164481750 cites W2172355099 @default.
• W2164481750 cites W2222756164 @default.
• W2164481750 doi "https://doi.org/10.2111/rem-d-10-00047.1" @default.
• W2164481750 hasPublicationYear "2011" @default.
• W2164481750 type Work @default.
• W2164481750 sameAs 2164481750 @default.
• W2164481750 citedByCount "62" @default.
• W2164481750 countsByYear W21644817502012 @default.
• W2164481750 countsByYear W21644817502013 @default.
• W2164481750 countsByYear W21644817502014 @default.
• W2164481750 countsByYear W21644817502015 @default.
• W2164481750 countsByYear W21644817502016 @default.
• W2164481750 countsByYear W21644817502017 @default.
• W2164481750 countsByYear W21644817502018 @default.
• W2164481750 countsByYear W21644817502019 @default.
• W2164481750 countsByYear W21644817502020 @default.
• W2164481750 countsByYear W21644817502021 @default.
• W2164481750 countsByYear W21644817502022 @default.
• W2164481750 countsByYear W21644817502023 @default.
• W2164481750 crossrefType "journal-article" @default.
• W2164481750 hasAuthorship W2164481750A5035593095 @default.
• W2164481750 hasAuthorship W2164481750A5039859018 @default.
• W2164481750 hasAuthorship W2164481750A5048559297 @default.
• W2164481750 hasAuthorship W2164481750A5061484846 @default.
• W2164481750 hasBestOaLocation W21644817502 @default.
• W2164481750 hasConcept C107826830 @default.
• W2164481750 hasConcept C108170787 @default.
• W2164481750 hasConcept C136764020 @default.
• W2164481750 hasConcept C144024400 @default.
• W2164481750 hasConcept C17744445 @default.
• W2164481750 hasConcept C197352329 @default.
• W2164481750 hasConcept C199360897 @default.
• W2164481750 hasConcept C199539241 @default.
• W2164481750 hasConcept C202444582 @default.
• W2164481750 hasConcept C203663800 @default.
• W2164481750 hasConcept C2522767166 @default.
• W2164481750 hasConcept C2781400479 @default.
• W2164481750 hasConcept C33923547 @default.
• W2164481750 hasConcept C36289849 @default.
• W2164481750 hasConcept C39432304 @default.
• W2164481750 hasConcept C41008148 @default.
• W2164481750 hasConcept C56666940 @default.
• W2164481750 hasConcept C56739046 @default.
• W2164481750 hasConcept C59822182 @default.
• W2164481750 hasConcept C86803240 @default.
• W2164481750 hasConcept C9652623 @default.
• W2164481750 hasConceptScore W2164481750C107826830 @default.
• W2164481750 hasConceptScore W2164481750C108170787 @default.
• W2164481750 hasConceptScore W2164481750C136764020 @default.
• W2164481750 hasConceptScore W2164481750C144024400 @default.
• W2164481750 hasConceptScore W2164481750C17744445 @default.
• W2164481750 hasConceptScore W2164481750C197352329 @default.
• W2164481750 hasConceptScore W2164481750C199360897 @default.
• W2164481750 hasConceptScore W2164481750C199539241 @default.
• W2164481750 hasConceptScore W2164481750C202444582 @default.
• W2164481750 hasConceptScore W2164481750C203663800 @default.
• W2164481750 hasConceptScore W2164481750C2522767166 @default.
• W2164481750 hasConceptScore W2164481750C2781400479 @default.
• W2164481750 hasConceptScore W2164481750C33923547 @default.
• W2164481750 hasConceptScore W2164481750C36289849 @default.
• W2164481750 hasConceptScore W2164481750C39432304 @default.
• W2164481750 hasConceptScore W2164481750C41008148 @default.
• W2164481750 hasConceptScore W2164481750C56666940 @default.
• W2164481750 hasConceptScore W2164481750C56739046 @default.
• W2164481750 hasConceptScore W2164481750C59822182 @default.
• W2164481750 hasConceptScore W2164481750C86803240 @default.
• W2164481750 hasConceptScore W2164481750C9652623 @default.

• next