Low cost audiovisual playback and recording triggered by radio frequency identification using Raspberry Pi
Notice bibliographique
Résumé
Playbacks of visual or audio stimuli to wild animals is a widely used experimental tool in behavioral ecology. In many cases, however, playback experiments are constrained by observer limitations such as the time observers can be present, or the accuracy of observation. These problems are particularly apparent when playbacks are triggered by specific events, such as performing a specific behavior, or are targeted to specific individuals. We developed a low-cost automated playback/recording system, using two field-deployable devices: radio-frequency identification (RFID) readers and Raspberry Pi micro-computers. This system detects a specific passive integrated transponder (PIT) tag attached to an individual, and subsequently plays back the stimuli, or records audio or visual information. To demonstrate the utility of this system and to test one of its possible applications, we tagged female and male tree swallows (Tachycineta bicolor) from two box-nesting populations with PIT tags and carried out playbacks of nestling begging calls every time focal females entered the nestbox over a six-hour period. We show that the RFID-Raspberry Pi system presents a versatile, low-cost, field-deployable system that can be adapted for many audio and visual playback purposes. In addition, the set-up does not require programming knowledge, and it easily customized to many other applications, depending on the research questions. Here, we discuss the possible applications and limitations of the system. The low cost and the small learning curve of the RFID-Raspberry Pi system provides a powerful new tool to field biologists.
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 ».