MétaCan
Menu
Retour à la cohorte
Enregistrement W2081253696 · doi:10.1111/j.1748-7692.2000.tb00954.x

VOCAL INDIVIDUALITY IN MOTHER AND PUP SOUTH AMERICAN FUR SEALS, <i>ARCTOCEPHALUS AUSTRALIS</i>

2000· article· en· W2081253696 sur OpenAlexaff
Alana V. Phillips, Ian Stirling

Notice bibliographique

RevueMarine Mammal Science · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFormantDiscriminant function analysisStereotypyAggressionVocal communicationAnimal communicationSound productionZoologyDemographyPsychologyBiologyDevelopmental psychologyCommunicationAcousticsSociology

Résumé

récupéré en direct d'OpenAlex

Abstract South American fur seals breeding in Peru are subjected to levels of maternal aggression, and subsequent pup mortality, that are higher than has been reported for any other otariid species. For mothers and pups to maintain contact with each other, a mutual recognition system should exist to facilitate reunion and avoid misdirection of maternal effort. We recorded vocalizations of mothers and pups at Punta San Juan, Peru, during the 1994 and 1995 breeding seasons. Sixteen acoustic variables were measured from a total of 560 calls from 15 mothers and 13 pups. Multivariate analysis showed that calls were variable in several acoustic dimensions. While calls of both mothers and pups showed low variability within and high variability among individuals, mothers' calls were more individualistic. On average, discriminant‐function analysis correctly assigned 60% of pup calls and 70% of mother calls to the individual that produced them. Characteristics of the fundamental frequency were most important for distinguishing among mothers, while pup calls, which typically contained less harmonic structure, could be differentiated by formant‐like frequency ranges. Thus, calls of mother and pup South American fur seals appear to exhibit sufficient stereotypy to allow for recognition and discrimination among individuals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,244
Écart entre enseignants0,231 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations76
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine Mammal ScienceMême sujetMarine animal studies overviewTravaux en français237 207