Using community photography to investigate phenology: A case study of coat molt in the mountain goat (<i>Oreamnos americanus</i>) with missing data
Notice bibliographique
Résumé
Abstract Participatory approaches, such as community photography, can engage the public in questions of societal and scientific interest while helping advance understanding of ecological patterns and processes. We combined data extracted from community‐sourced, spatially explicit photographs with research findings from 2018 fieldwork in the Yukon, Canada, to evaluate winter coat molt patterns and phenology in mountain goats (Oreamnos americanus), a cold‐adapted, alpine mammal. Leveraging the community science portals iNaturalist and CitSci, in less than a year we amassed a database of almost seven hundred unique photographs spanning some 4,500 km between latitudes 37.6°N and 61.1°N from 0 to 4,333 m elevation. Using statistical methods accounting for incomplete data, a common issue in community science datasets, we identified the effects of intrinsic (sex and presence of offspring) and broad environmental (latitude and elevation) factors on molt onset and rate and compared our findings with published data. Shedding occurred over a 3‐month period between 29 May and 6 September. Effects of sex and offspring on the timing of molt were consistent between the community‐sourced and our Yukon data and with findings on wild mountain goats at a long‐term research site in west‐central Alberta, Canada. Males molted first, followed by females without offspring (4.4 days later in the coarse‐grained, geographically wide community science sample; 29.2 days later in our fine‐grained Yukon sample) and lastly females with new kids (6.2; 21.2 days later, respectively). Shedding was later at higher elevations and faster at northern latitudes. Our findings establish a basis for employing community photography to examine broad‐scale questions about the timing of ecological events, as well as sex differences in response to possible climate drivers. In addition, community photography can help inspire public participation in environmental and outdoor activities specifically with reference to iconic wildlife.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».