Visible Implant Elastomer Color Determination, Tag Visibility, and Tag Loss: Potential Sources of Error for Mark–Recapture Studies
Notice bibliographique
Résumé
Abstract Errors in visible implant elastomer (VIE) color determination may exert stronger influences on mark–recapture data quality than poor tag visibility and tag loss. I applied individual VIE tags to 567 wild long-snouted seahorses Hippocampus guttulatus using four fluorescent colors (red, orange, green, and yellow). Given VIE tag data were compared with tag data recorded by observers as they released recently tagged individuals back to initial capture locations. During releases, 13.3% of VIE tags were incorrectly read, primarily because of confusions between orange and red markings and between green and yellow markings. Tags were partially invisible in 5% of released individuals; yellow and green markings were the least visible. Whole or partial tag loss was 2.3% within 14 months of tagging. The ability to correctly determine VIE tag colors or detect markings varied among observers and according to the VIE tag color employed, skin color, and shade of the skin color (e.g., light versus dark green). Observer experience did not influence ability to correctly determine VIE colors or detect tags. Pilot studies should precede mark–recapture studies employing multiple VIE colors to identify strategies for reducing confusion among colors in addition to evaluating tag visibility, tag loss, and tag effects on life history rates.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,045 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».