Observer aging and long‐term avian survey data quality
Notice bibliographique
Résumé
Long-term wildlife monitoring involves collecting time series data, often using the same observers over multiple years. Aging-related changes to these observers may be an important, under-recognized source of error that can bias management decisions. In this study, we used data from two large, independent bird surveys, the Atlas of the Breeding Birds of Ontario ("OBBA") and the North American Breeding Bird Survey ("BBS"), to test for age-related observer effects in long-term time series of avian presence and abundance. We then considered the effect of such aging phenomena on current population trend estimates. We found significantly fewer detections among older versus younger observers for 13 of 43 OBBA species, and declines in detection as an observer ages for 4 of 6 vocalization groups comprising 59 of 64 BBS species. Consistent with hearing loss influencing this pattern, we also found evidence for increasingly severe detection declines with increasing call frequency among nine high-pitched bird species (OBBA); however, there were also detection declines at other frequencies, suggesting important additional effects of aging, independent of hearing loss. We lastly found subtle, significant relationships between some species' published population trend estimates and (1) their corresponding vocalization frequency (n ≥ 22 species) and (2) their estimated declines in detectability among older observers (n = 9 high-frequency, monotone species), suggesting that observer aging can negatively bias long-term monitoring data for some species in part through hearing loss effects. We recommend that survey designers and modelers account for observer age where possible.
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 | 0,000 |
| 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 ».