Detecting effects of spatial memory and dynamic information on animal movement decisions
Notice bibliographique
Résumé
Summary Animals of many species demonstrate movement behaviour in which decisions are based on a variety of information. Effects of resources have been studied widely, often under the assumption that the environment is constant over the course of the study. Much less understood is the role of dynamic information about continuously changing resource availability and past experiences. Such information can be acquired during movement bouts and used for future decisions via memory. We present a new class of animal movement models, which incorporates a dynamic interplay of movement and information gain processes. Information is contained in a dynamic cognitive map. As an example, we consider time since last visit to locations and how this interacts with environmental information to shape movement patterns. Our models can be fitted to empirical movement trajectories and are therefore amenable to statistical inference (parameter estimation and model selection). We tested the functionality of our method using simulated data. Parameter estimates were in accordance with true values used in the simulations, and model selection via Bayesian information criterion (BIC) was able to identify true underlying mechanisms of simulated trajectories. Thus, if time since last visit to locations influences movement decisions, our method is able to detect this mechanism. The use of dynamic information such as the one demonstrated in our example models likely requires cognitive abilities such as spatial memory. Therefore, our method can be used to reveal evidence of spatial memory in empirical movement data. Understanding the components of individual movement decisions and their interactions ultimately helps us to predict how population distribution patterns respond to environmental changes, such as landscape fragmentation and changing climate.
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 | 0,001 |
| 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 ».