Notice bibliographique
Résumé
I examined song variation within and among 23 individual Buff-breasted Flycatchers (Empidonax fulvifrons) recorded in the Chiricahua and Huachuca mountains of Arizona in 1999. I recorded two distinct song types from each individual during intense pre-dawn singing. I used both spectrographic cross correlation (SPCC) of entire songs and discriminant function analysis (DFA) of temporal and frequency measurements to examine whether songs were individually distinctive, and whether songs differed between the two localities. Similarity values of pairs of songs from SPCC were significantly greater for within-male than for between-male comparisons for both song types. Mean similarity values for the two song types did not overlap between these comparison categories. Similarity values between songs of pairs of males from the same mountain range were not greater than for comparisons between pairs of males from different ranges. All temporal and frequency measures for both song types varied significantly more among than within individuals. DFA of principal component scores derived from these measures assigned 85% of Type 1 and 86% of Type 2 songs to the correct individual. Only three frequency variables measured from Type 1 songs differed significantly between birds from the two mountain ranges. DFA assigned only 61% of songs of either type to the correct mountain range, not significantly greater than expected by chance. Thus, both techniques demonstrate significant individual distinctiveness in songs of this species, and neither suggests any geographic structuring of song variation between the two mountain ranges. However, SPCC is considerably more efficient and has greater potential to assign unknown recordings to known individuals correctly, and to detect recordings of “new” individuals not included in the reference sample.
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 ».