Sources and Rates of Errors in Methods of Individual Identification for North Atlantic Right Whales
Notice bibliographique
Résumé
Many long-term studies of wildlife populations rely on individual identification based on natural markings or genetic profiling, or both. However, only rarely are these 2 independent data sets systematically compared with each other to estimate the error rates inherent in these studies. Here, >25 years of photo-identification data on the endangered North Atlantic right whale (Eubalaena glacialis) were compared with high-resolution genetic profiles, available for >75% of the individuals in the photo-identification catalog, in order to identify sources and rates of errors associated with both methods of individual identification. The resulting estimates were 0.0308 errors/identification for the photo-identification data, and 0.00121 errors/locus and 0.0327 errors/multilocus profile for the genetic data. These are among the lowest error rates yet reported, and indicate that the approaches used provide reliable means of individual identification for this species. However, despite these low error rates, the large size of the data sets results in a nonnegligible estimated number of errors, indicating that the potential for these errors needs to be incorporated into other analyses that are based on these data. A similar situation likely exists in other long-term studies where, although error rates are assumed to be low, the size of the data set results in a large number of errors that will influence subsequent analyses. Regularly conducting and reporting extensive database comparisons such as this is invaluable for maintaining the integrity of long-term data sets by identifying where sources of error are occurring and how protocols can be improved to lower error rates in the future.
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 ».