Measuring variation in the frequency of group fission and fusion from continuous monitoring of group sizes
Notice bibliographique
Résumé
The frequency of group fission and fusion is critical for understanding the evolution of sociality, as it measures group cohesiveness, which can confer a high fitness value on individuals who practice it. Variations in the frequency of fission and fusion can also reveal an individual’s response to environmental changes. As fission–fusion group dynamics influence the risk of disease transmission, measuring it accurately may have implications for population management. Here, we extend a method to assess the frequency of fission and fusion from continuous monitoring of group composition. The former method was based on the variation in group size (i.e., party/subgroup size) within which marked individuals were successively recorded. Upon validation of the method here, we propose a correction, using the coefficient of variation in group size instead of the variation in group size. We performed our study on an enclosed herd of reindeer, Rangifer tarandus. All reindeer were tracked using Global Positioning System (GPS) collars and followed by direct observations. GPS collars allowed us to obtain accurate measures of the frequency of fission and fusion that we used to validate our models. The resulting method best described the temporal variation in fission and fusion frequency without the confounding effect of the variation in group size. This method can easily be applied to other populations where some individuals can be recognized and their group size repeatedly recorded. It will also help in quantifying the 2nd dimension of the fission–fusion group dynamics: the variation in group size.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 tête enseignante, 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 ».