Balancing Number of Locations with Number of Individuals in Telemetry Studies
Notice bibliographique
Résumé
The study of habitat selection usually compares assessments of habitat use to habitat availability. To investigate habitat selection of large mammals today, researchers must choose between a few very expensive Global Positioning System (GPS) telemetry collars that can provide many locations and several inexpensive very high frequency telemetry collars that will provide few numbers of locations (unless substantial resources are spent in the field). We investigated the effects of number of locations and sampled animals on the outcome of habitat-selection analyses. We evaluated whether tracking frequency and sample size of individuals influenced our ability to detect habitat selection. We used data obtained from adult female moose fitted with GPS collars to generate data sets simulating various sampling frequencies and sample sizes of individuals. Tracking schedules conformed to those commonly used in ungulate telemetry studies (1 location every 14, 7, or 3 d and 1 or 3 locations per d) as did animal sample sizes (between 8 and 20 individuals). We determined habitat use and availability at the landscape and home-range scales during summer–autumn and winter. Precision of habitat use and availability estimates did not improve markedly with increasing tracking frequency. Only results obtained with the least-intensive tracking schedule (1 location every 14 d) differed from those obtained with the other schedules and only in 25% of the cases. Above this threshold in tracking frequency, number of sampled animals was clearly more important than number of locations in detection of habitat selection. Our results indicated that habitat-selection analyses were more sensitive to inter- than intra-individual variability. Depending on study objectives, it may be more profitable to prioritize number of sampled individuals rather than number of locations per individual. We suggest methods allowing researchers to assess inter-individual variability while studying habitat selection.
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 | 0,045 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».