通过迭代评分和参数不确定性来确定与管理层相关的研究重点，以保护一种数量正在下降的猛禽物种

构建信息价值（CVoI）专家评估方法用于优先排序美国隼种群下降的不确定性因素，通过两轮100分分配评分（似然点法）和香农熵分析，发现参数不确定性导致约33%的假说-评分组合在50%的模拟中出现优先级差异，人工巢穴使用、越冬栖息地限制和猎禽栖息地管理是主要高优先级因素。

　　

摘要

en
此链接指向英文版摘要 es
此链接指向西班牙文版摘要 zh
此链接指向中文版摘要

构建信息价值（CVoI）是一种基于专家意见的决策分析工具，用于根据消除不确定性来源后对决策结果的可能改善效果来对这些来源进行优先级排序。尽管CVoI的应用日益增多，但其优先级排序的稳健性（尤其是在不同专家征询和评分方法下的稳健性）尚未得到充分评估。我们邀请了一组物种专家参与决策分析过程，针对美洲隼（Falco sparverius）在美国的种群数量下降问题提出了多种假设。参与者根据三个构建的评分标准对13个假设进行了评分。我们采用“似然点”方法，让专家在每个标准的特定评分量表内分配100分。专家分两轮进行评分，并可在轮次间回顾和讨论初步评分结果。通过香农熵计算来衡量评分的均匀性，并通过模拟比较CVoI方法与“单一评分方法”的稳健性。结果显示，专家通常将评分分布在相邻的分数区间，体现了参数不确定性。在三分之一的假设评分组合中，约50%的模拟结果存在差异。得分最高的假设涉及人工巢穴与自然巢穴对繁殖力的影响、越冬栖息地对种群增长的限制作用，以及猎禽栖息地管理对美洲隼种群的好处。我们的CVoI优先排序框架有助于开展与管理决策直接相关的合作研究，为获取更具代表性的专家意见提供了新方法。

摘要

en
此链接指向英文版摘要 es
此链接指向西班牙文版摘要 zh
此链接指向中文版摘要

通过迭代评分和参数不确定性来确定对濒危猛禽物种管理具有关键意义的优先事项

总结

构建信息价值（CVoI）是一种基于专家意见的决策分析工具，用于根据消除不确定性来源后对决策结果的可能改善效果来对其进行优先级排序。尽管CVoI的应用日益普及，但其优先级排序的稳健性（特别是在不同专家意见收集和评分方法下的稳健性）仍需进一步研究。我们邀请了物种专家参与决策分析，针对美洲隼（Falco sparverius）在美国的种群下降问题提出了多种假设。参与者根据三个构建的评分标准对13个假设进行了评分。我们采用“似然点”方法，将参数不确定性纳入评分过程，专家在每个标准的评分量表内分配100分。专家分两轮评分，并可进行讨论。通过香农熵计算评估评分的均匀性，并通过模拟比较CVoI方法与“单一评分方法”的稳健性。结果显示，专家评分往往分布在相邻分数区间，体现了参数不确定性。在三分之一的假设评分组合中，约50%的模拟结果存在差异。得分最高的假设涉及人工巢穴与自然巢穴对繁殖力的影响、越冬栖息地对种群增长的限制作用，以及猎禽栖息地管理对美洲隼种群的好处。我们的CVoI优先排序框架有助于开展与管理决策直接相关的合作研究，为获取更具代表性的专家意见提供了新方法。

【摘要】

en
此链接指向英文版摘要 es
此链接指向西班牙文版摘要 zh
此链接指向中文版摘要

构建信息价值（CVoI）是一种利用专家意见的决策分析工具，旨在根据消除不确定性来源后对决策结果的可能改善效果来对这些来源进行优先级排序。尽管CVoI的应用越来越广泛，但其优先级排序的稳健性（特别是在不同的专家征询和评分方法背景下）尚未得到充分验证。我们邀请了一组物种专家，针对美洲隼（Falco sparverius）在美国的种群下降问题提出了多种假设。参与者根据三个构建的评分标准对13个假设进行了评分。我们采用“似然点”方法，将参数不确定性纳入评分过程，专家在每个标准的评分量表内分配100分。专家分两轮进行评分，并在轮次间讨论和修改初始评分。通过香农熵计算评估评分的均匀性，并通过模拟比较CVoI方法与“单一评分方法”的稳健性。结果显示，专家评分通常分布在相邻分数区间，体现了参数不确定性。在三分之一的假设评分组合中，约50%的模拟结果存在差异。得分最高的假设涉及人工巢穴与自然巢穴对繁殖力的影响、越冬栖息地对种群增长的限制作用，以及猎禽栖息地管理对美洲隼种群的好处。我们的CVoI优先排序框架有助于开展与管理决策直接相关的合作研究，为获取更具代表性的专家意见提供了新方法。