Selection, use, choice and occupancy: clarifying concepts in resource selection studies
Notice bibliographique
Résumé
1. During the last decade, there has been a proliferation of statistical methods for studying resource selection by animals. While statistical techniques are advancing at a fast pace, there is confusion in the conceptual understanding of the meaning of various quantities that these statistical techniques provide. 2. Terms such as selection, choice, use, occupancy and preference often are employed as if they are synonymous. Many practitioners are unclear about the distinctions between different concepts such as 'probability of selection,' 'probability of use,' 'choice probabilities' and 'probability of occupancy'. 3. Similarly, practitioners are not always clear about the differences between and relevance of 'relative probability of selection' vs. 'probability of selection' to effective management. 4. Practitioners also are unaware that they are using only a single statistical model for modelling resource selection, namely the exponential probability of selection, when other models might be more appropriate. Currently, such multimodel inference is lacking in the resource selection literature. 5. In this paper, we attempt to clarify the concepts and terminology used in animal resource studies by illustrating the relationships among these various concepts and providing their statistical underpinnings.
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 | 0,039 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,028 |
| Communication savante | 0,006 | 0,014 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».