Detecting collective behaviour in animal relocation data, with application to migrating caribou
Notice bibliographique
Résumé
Summary Collective behaviour can allow populations to have emergent responses to uncertain environments, driven by simple interactions among nearby individuals. High‐throughput ethological studies, where individual behaviour is closely observed in each member of a population (typically in the laboratory or by simulation), have revealed that collective behaviour in populations requires only rudimentary cognitive abilities in individuals and could therefore represent a widespread adaptation to life in an uncertain world. However, the ecological significance of collective behaviour is not yet well understood, as most studies to date have been confined to specialized situations that allow intensive monitoring of individual behaviour. Here, we describe a way to screen for collective behaviour in ecological data that is sampled at a coarser resolution than the underlying behavioural processes. We develop and test the method in the context of a well‐studied model for collective movement in a noisy environmental gradient. The large‐scale distribution patterns associated with collective behaviour are difficult to distinguish from the aggregated responses of independent individuals in this setting because independent individuals also align to track the gradient. However, we show that collective idiosyncratic deviations from the mean gradient direction have high predictive value for detecting collective behaviour. We describe a method of testing for these deviations using the average normalized velocity of the population. We demonstrate the method using data from satellite tracking collars on the migration patterns of caribou (Rangifer tarandus), recovering evidence that collective behaviour is a key driver of caribou migration patterns. We find moreover that the relative importance of collective behaviour fluctuates seasonally, concurrent with the timing of migration and reproduction. Collective behaviour is a potentially widespread dynamic property of populations that can, in some cases, be detected in coarsely sampled ecological data.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».