Using video monitoring to assess the accuracy of nest fate and nest productivity estimates by field observation
Notice bibliographique
Résumé
Nest fate and nest productivity are key demographic parameters for understanding songbird population dynamics, yet little consideration has been paid to assessing and improving the accuracy of these estimates in the field. We considered the magnitude and sources of error in field estimates of nest fate and productivity for 13 species of boreal forest songbirds, the implications of this error when estimating rates of nest survival and population growth, and the utility of common field cues used to assess fate. Using video from 127 nests, we found that observers correctly identified 85% of nest fates but overestimated nest productivity by up to 35%. This resulted in population growth rates being overestimated by 6%. Field estimates were less accurate when nestling age approached the estimated fledge date and when the nest was depredated. Accuracy of field estimates can be improved by focusing on nest condition and the presence of fecal droppings outside the nest. Spending additional time searching for family groups would be prudent when nests are deemed successful on the basis of nestling age alone. Nest predators force fledged one or more nestlings from 14% of nests. The fate of force-fledged young is unknown. Our measures of error declined as increasingly younger force-fledged individuals were considered successful. Resolving this uncertainty would further improve the accuracy of field-based estimates. We encourage the use of video to quantify and improve the accuracy of field estimates and to evaluate the potential for differential bias in error within variables of interest.
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 | 0,000 | 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 ».