The Song Overlap Null model Generator (SONG): a new tool for distinguishing between random and non-random song overlap
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Song overlapping, a behaviour in which an individual begins singing before its counterpart has completed its song, has been the subject of recent debate. Although many studies have suggested that song overlapping functions as a signal, the majority of these studies fail to address the possibility that overlapping is a chance occurrence. Part of the difficulty in determining whether overlap is intentional or accidental lies in the lack of compelling null models for estimating chance levels of song overlap. We have developed the Song Overlap Null model Generator (SONG), a software package for R. SONG uses resampling randomization to predict the expected amount of overlap due to chance, and is applicable to any system in which individuals engage in signalling interactions. To evaluate the effectiveness of SONG, we examined the overlapping behaviour of three avian species: black-capped chickadees (Poecile atricapillus), rufous-and-white wrens (Thryophilus rufalbus) and long-tailed manakins (Chiroxiphia linearis). Our analyses revealed that black-capped chickadees avoided overlapping the songs of playback-simulated intruders, duetting wrens overlapped the songs of their mates and manakins avoided overlapping the duets of their neighbours. We believe that SONG will prove to be a valuable tool for understanding signal timing in songbirds as well as other taxa.
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.
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 découle