Accelerometer-derived activity correlates with volitional swimming speed in lake sturgeon (<i>Acipenser</i> <i>fulvescens</i>)
Notice bibliographique
Résumé
Quantifying fine-scale locomotor behaviours associated with different activities is challenging for free-swimming fish. Biologging and biotelemetry tools can help address this problem. An open channel flume was used to generate volitional swimming speed (Us) estimates of cultured lake sturgeon (Acipenser fulvescens Rafinesque, 1817) and these were paired with simultaneously recorded accelerometer-derived metrics of activity obtained from three types of data-storage tags. This study examined whether a predictive relationship could be established between four different activity metrics (tail-beat frequency (TBF), tail-beat acceleration amplitude (TBAA), overall dynamic body acceleration (ODBA), and vectorial dynamic body acceleration (VeDBA)) and the swimming speed of A. fulvescens. Volitional Us of sturgeon ranged from 0.48 to 2.70 m·s−1 (0.51–3.18 body lengths (BL)·s−1). Swimming speed increased linearly with all accelerometer-derived metrics, and when all tag types were combined, Us increased 0.46 BL·s−1 for every 1 Hz increase in TBF, and 0.94, 0.61, and 0.94 BL·s−1 for every 1g increase in TBAA, ODBA, and VeDBA, respectively. Predictive relationships varied among tag types and tag-specific parameter estimates of Us are presented for all metrics. This use of acceleration data-storage tags demonstrated their applicability for the field quantification of sturgeon swimming speed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».