MétaCan
Menu
Retour à la cohorte
Enregistrement W2025819900 · doi:10.1002/env.669

Allowing for redundancy and environmental effects in estimates of home range utilization distributions

2004· article· en· W2025819900 sur OpenAlex
W. G. S. Hines, R. J. O’Hara Hines, Bruce A. Pond, Martyn E. Obbard

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEnvironmetrics · 2004
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensMinistry of Natural Resources and ForestryUniversity of WaterlooUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésEstimatorComputer scienceRedundancy (engineering)CorrelationRange (aeronautics)Variance (accounting)Kernel density estimationStatisticsSeries (stratigraphy)Adaptation (eye)Set (abstract data type)Data setEconometricsMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Real location data for radio tagged animals can be challenging to analyze. They can be somewhat redundant, since successive observations of an animal slowly wandering through its environment may well show very similar locations. The data set can possess trends over time or be irregularly timed, and they can report locations in environments with features that should be incorporated to some degree. Also, the periods of observation may be too short to provide reliable estimates of characteristics such as inter‐observation correlation levels that can be used in conventional time‐series analyses. Moreover, stationarity (in the sense of the data being generated by a source that provides observations of constant mean, variance and correlation structure) may not be present. This article considers an adaptation of the kernel density estimator for estimating home ranges, an adaptation which allows for these various complications and which works well in the absence of exact (or precise) information about correlation structure and parameters. Modifications to allow for irregularly timed observations, non‐stationarity and heterogeneous environments are discussed and illustrated. Copyright © 2004 John Wiley & Sons, Ltd.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,492

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,307
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle