Revisiting resource selection probability functions and single‐visit methods: clarification and extensions
Notice bibliographique
Résumé
Summary Models accounting for imperfect detection are important. Single‐visit ( SV ) methods have been proposed as an alternative to multiple‐visit methods to relax the assumption of closed population. Knape & Korner‐Nievergelt (Methods in Ecology and Evolution, 2015) showed that under certain models of probability of detection, SV methods are statistically non‐identifiable leading to biased population estimates. There is a close relationship between estimation of the resource selection probability function ( RSPF ) using weighted distributions and SV methods for occupancy and abundance estimation. We explain the precise mathematical conditions needed for RSPF estimation as stated in Lele & Keim (Ecology, 87, 2006, 3021). The identical conditions that remained unstated in our papers on SV methodology are needed for SV methodology to work. We show that the class of admissible models is quite broad and does not excessively restrict the application of the RSPF or the SV methodology. To complement the work by Knape and Korner‐Nievergelt, we study the performance of multiple‐visit methods under the scaled logistic detection function and a much wider set of situations. In general, under the scaled logistic detection function, multiple‐visit methods also lead to biased estimates. As a solution to this problem, we extend the SV methodology to a class of models that allows use of scaled probability function. We propose a multinomial extension of SV methodology that can be used to check whether the detection function satisfies the RSPF condition or not. Furthermore, we show that if the scaling factor depends on covariates, then it can also be estimated. We argue that the instances where the RSPF condition is not satisfied are rare in practice. Hence, we disagree with the implication in Knape & Korner‐Nievergelt (Methods in Ecology and Evolution, 2015) that the need for RSPF condition makes SV methodology irrelevant in practice.
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 | 0,004 | 0,002 |
| 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 ».