Mark my words: experts’ choice of marking methods used in capture-mark-recapture studies of small mammals
Notice bibliographique
Résumé
Abstract Crucial to the success of studies based on capture-mark-recapture (CMR) designs is the retention (permanency) and recognition (readability) of marks to identify individuals. Several marking methods for small mammals (< 60 g) are available, but their efficacy and use is not well known. We implemented a targeted survey of experts to gather their experiences and opinions regarding marking small mammals. Respondents (n = 114) stated their beliefs, perceptions, and current and future use, of marking methods, as well as factors influencing their choices, based on Likert and rank order scale questions. We compared responses based on where researchers’ studies occurred, their level of experience, and their subfield of mammalogy. Most respondents (73%) had > 5 years experience marking small mammals, with 60% each marking > 1,000 individuals. Respondents believed that ear-tagging was most preferable in terms of efficiency, impact to affected animals (survival, pain), and personal ethics, whereas passive integrated transponder (PIT)-tagging was the most preferable with regard to retention and recognition, and toe-clipping with respect to cost. Most respondents plan to use ear-tagging (78%) or PIT-tagging (70%) in the future. PIT- and genetic-tagging are expected to increase, and toe-clipping to decline, in the future. The factors influencing which marking method respondents used were ranked—in order of decreasing preference—as impact, retention, recognition, cost, efficiency, and ethics. There were few differences in the mean response or consensus among respondents, regardless of their experience, location, or subfield. Most respondents (66%) agreed that additional studies on the performance and impact of various marking methods are needed to assess their costs and benefits for CMR-based studies. Ultimately, choice of marking method will depend on the species, research question, available resources, and local legislation and permitting. Our study, however, illustrates that collective insights by experienced mammalogists may aid individual researchers in deciding on study designs and protocols, particularly early career scientists.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».