利用无监督机器学习算法揭示巴基斯坦吉尔吉特-巴尔蒂斯坦地区公众对野生动物保护态度的规律

《Biodiversity and Conservation》：Unveiling patterns in wildlife conservation attitudes in Gilgit-Baltistan, Pakistan, using unsupervised machine learning algorithms

野生动物保护公众意识研究在吉尔吉特-巴尔蒂斯坦开展，通过500人问卷和机器学习分析（SOM/NMDS），揭示教育水平与收入影响保护态度，资源依赖者支持保护并倾向狩猎，策略需结合社会经济现实。

　　

摘要

了解公众对野生动物保护的意识对于有效管理至关重要，尤其是在像吉尔吉特-巴尔蒂斯坦这样生物多样性丰富的发展中国家地区。虽然问卷调查被广泛用于评估保护意识，但分析像我们这份包含41个问题的复杂调查问卷却颇具挑战性。最近机器学习的进步有助于识别复杂调查数据中的模式。为了探究当地的保护态度，我们在2023年3月至6月期间对吉尔吉特-巴尔蒂斯坦的10个地区的500名受访者进行了调查，使用了包含6个主题部分（社会人口统计学、濒危物种知识、保护观点、经济因素、保护经验以及对奖杯狩猎的看法）的半结构化问卷。我们利用自组织映射（SOM）来识别模式，通过非度量多维缩放（NMDS）进行可视化，并通过基于排列的分析来确定关键影响因素。SOM揭示了四个不同的态度群体，NMDS显示教育水平和收入水平与保护意识和参与度有关。受教育程度较低且对自然资源依赖性较高的受访者更倾向于支持保护，将其视为一种创收机会；相反，受过较高教育且从事与自然资源无关工作的受访者对保护的兴趣较低。这些差异可能反映了人们对生态系统经济依赖程度的不同，尽管文化价值观、对生态系统服务的认识和个人信念也可能起到一定作用。值得注意的是，那些更依赖自然资源的受访者更倾向于将奖杯狩猎作为保护手段，这可能是由于其认为奖杯狩猎具有经济收益。本研究强调了将保护策略与社会经济现实相契合的重要性，这有助于提高公众参与度并更好地考虑多元化的社区观点。