Keep in touch: Does spatial overlap correlate with contact rate frequency?
Notice bibliographique
Résumé
Abstract Quantifying animal contact rate is crucial both in fundamental and applied studies to understand the evolution of sociality and predict the spread of infectious diseases. Researchers typically use home‐range overlap among individuals as a proxy of contact rate, assuming a positive correlation. However, very few studies have assessed how the correlation between home‐range overlap and contact rate may vary with ecological context. We used proximity loggers to quantify intraspecific contact rate among raccoons ( Procyon lotor ) and explored the correlation between contact rate and home‐range overlap in different seasons. We monitored 15 female raccoons that formed 121 dyads during summer 2010 and winter 2011. We compared contact rate with the 5 most common overlap indices: home‐range overlap proportion, home‐range overlap probability, utilization distribution overlap index (UDOI), volume of intersection index, and Bhattacharyya's affinity index. Our results generally supported the contention of a positive and significant correlation between home‐range overlap and intraspecific contact rate in raccoons. The strength of the relationship differed among seasons and indices, being weaker during winter than summer for home‐range overlap proportion and home‐range overlap probability. When contact rates were high, their frequency had stronger correlations with the UDOI and volume of intersection index indices than with the other indices. Our results suggest that the UDOI performs better than other indices, as we obtained a good contact rate–home‐range overlap correlation with this index with animals both aggregated and randomly distributed in space. © 2012 The Wildlife Society.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».