MétaCan
Menu
Retour à la cohorte
Enregistrement W3186139253 · doi:10.1139/facets-2020-0112

A case for restoring unity between biotelemetry and bio-logging to enhance animal tracking research

2021· article· en· W3186139253 sur OpenAlexaffvenue
Steven J. Cooke, Robert J. Lennox, Jacob W. Brownscombe, Sara J. Iverson, Frederick G. Whoriskey, Joshua J. Millspaugh, Nigel E. Hussey, Glenn T. Crossin, Brendan J. Godley, Robert Harcourt

Notice bibliographique

RevueFACETS · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of WindsorOcean Tracking NetworkDalhousie UniversityFisheries and Oceans CanadaCarleton University
Organismes subventionnairesnon disponible
Mots-clésBiotelemetryLoggingTracking (education)Context (archaeology)Computer scienceData loggerWork (physics)Data scienceSystems engineeringEnvironmental resource managementTelecommunicationsEngineeringEcologyEnvironmental scienceGeographyTelemetryBiologyPsychology

Résumé

récupéré en direct d'OpenAlex

Monitoring animals with electronic tags is an increasingly important tool for fundamental and applied ecological research. Based on the size of the system under study, the ability to recapture the animal, and research medium (e.g., aerial, freshwater, saltwater, terrestrial), tags selected may either log data in memory (bio-logging), transmit it to a receiver or satellite (biotelemetry), or have a hybrid design. Over time, we perceive that user groups are diverging based on increasing use of technology specific terms, favouring either bio-logging or biotelemetry. It is crucial to ensure that a divide does not become entrenched in the community because it will likely hinder efforts to advance field and analytical methods and reduce accessibility of animal tracking with electronic tags to early-career and new researchers. We discuss the context for this emerging problem and the evidence that this is manifesting within the scientific community. Finally, we suggest how the animal tracking community may work to address this issue to maximize the benefits of information transfer and integration between users of the two technologies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,018
Score d'incertitude au seuil0,490

Scores Codex et Gemma par catégorie

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

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 Opus0,099
Tête enseignante GPT0,383
Écart entre enseignants0,284 · 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 tête enseignante, 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

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetFish Ecology and Management StudiesTravaux en français237 207