Accelerometers Identify New Behaviors and Show Little Difference in the Activity Budgets of Lactating Northern Fur Seals (Callorhinus ursinus) between Breeding Islands and Foraging Habitats in the Eastern Bering Sea
Notice bibliographique
Résumé
We tagged 82 lactating northern fur seals (Callorhinus ursinus) with tri-axial accelerometers and magnetometers on two eastern Bering Sea islands (Bogoslof and St. Paul) with contrasting population trajectories. Using depth data, accelerometer data and spectral analysis we classified time spent diving (30%), resting (~7%), shaking and grooming their pelage (9%), swimming in the prone position (~10%) and two types of previously undocumented rolling behavior (29%), with the remaining time (~15%) unspecified. The reason for the extensive rolling behavior is not known. We ground-truthed the accelerometry signals for shaking and grooming and rolling behaviors--and identified the acceleration signal for porpoising--by filming tagged northern fur seals in captivity. Speeds from GPS interpolated data indicated that animals traveled fastest while in the prone position, suggesting that this behavior is indicative of destination-based swimming. Very little difference was found in the percentages of time spent in the categorical behaviors with respect to breeding islands (Bogoslof or St. Paul Island), forager type (cathemeral or nocturnal), and the region where the animals foraged (primarily on-shelf <200 m, or off-shelf > 200 m). The lack of significant differences between islands, regions and forager type may indicate that behaviors summarized over a trip are somewhat hardwired even though foraging trip length and when and where animals dive are known to vary with island, forager type and region.
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 | 0,000 | 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) | 0,001 | 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 ».