MétaCan
Menu
← Retour à la cohorte
Enregistrement W3161176751 · doi:10.21203/rs.3.rs-427313/v1

Individual Differences in Habitat Selection Mediate Landscape Level Predictions of a Functional Response

2021· preprint· en· W3161176751 sur OpenAlexafffund
Levi Newediuk, Christina M. Prokopenko, Eric Vander Wal

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsNature Conservancy of CanadaMemorial University of NewfoundlandParks CanadaUniversity of Saskatchewan
Mots-clésSelection (genetic algorithm)HabitatGeographyFunctional responseEcologyComputer scienceBiologyArtificial intelligencePredation

Résumé

récupéré en direct d'OpenAlex

Abstract Context Conserving and managing habitat for animals requires robust models to predict their space use. The functional response in habitat selection posits that animals adjust their habitat selection according to availability. Objectives Habitat availability can change over short time periods and small spatial distances, and thus failing to account for changes in habitat availability while modelling may not produce reliable predictions in the near–term or future. However, because individuals may respond to habitat availability differently, the functional response is also limited for predicting habitat selection by individuals. Methods Using a functional response in elk (Cervus canadensis) selection for mixed forest in response to road proximity, we compared habitat selection predictions made by population-level resource selection functions (RSFs) with random effects to incorporate individual differences in selection, to generalized functional response (GFR) RSFs. Results We found that since not all individuals followed the road-dependent functional response, the random effects model both predicted the distributions of individuals more accurately (R2 = 0.62 vs. R2 = 0.51) and produced coefficient estimates that matched their selection for mixed forest and distance from roads better than the GFR model (RMSE = 0.25 vs. RMSE = 0.29 and 0.37 vs. 0.46). Conclusions Individual habitat selection often varies within populations, and revealing those differences shows how individuals help populations respond to environmental change. We suggest that evaluating individual differences using multiple predictive approaches is necessary to forecast long–term 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,190
Tête enseignante GPT0,348
Écart entre enseignants0,158 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetAnimal Behavior and Reproduction→Travaux en français237 207→