A new Automated Behavioural Response system to integrate playback experiments into camera trap studies
Notice bibliographique
Résumé
Summary How animals respond to anthropogenic disturbances is a core component of conservation biology and how they respond to predators and competitors is equally of central importance to wildlife ecology. Camera traps have rapidly become a critical tool in wildlife research by providing a fully automated means of observing animals without needing an observer present, permitting data to be collected on rare or elusive species and infrequent events. Snapshots from camera traps revealing a species’ presence have been the principal data used to date to gauge behaviour; but, lacking experimental controls, such data permit only correlational analyses potentially open to confounding effects. Playback experiments provide a powerful means to directly test the behavioural responses of animals, enabling strong inferences and rigorous conclusions not subject to the potential confounds affecting the interpretation of snapshot data; the principal factor to date limiting the use of playback experiments being the need to have an observer present. We developed an Automated Behavioural Response system (ABR) comprising a custom‐built motion‐sensitive speaker system that can be paired with any commercially available camera trap, providing the means to conduct playback experiments directly testing the behavioural responses of any species that can be ‘caught’ on a camera trap. We describe field tests in Uganda, Canada and the USA, experimentally testing the effects of anthropogenic disturbances and interactions among large carnivores, in species as diverse as elephants, black bears, chimpanzees and cougars; experiments that would be completely infeasible without the ABR. We evaluate factors affecting the rate of successful data collection in the experiments in Uganda and Canada, and detail how we maximized the system's performance in the USA experiment. By integrating the power playback experiments provide to directly and rigorously test behavioural responses with the capacity camera trapping affords to study virtually any animal anywhere, the ABR can both greatly expand the range of research questions addressed by conservation biologists and wildlife ecologists and qualitatively improve the rigour of the resulting conclusions. We discuss various ways to optimize the ABR's performance in any circumstance, and the many novel research opportunities made available by this new methodology.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».