Characterising menotactic behaviours in movement data using hidden Markov models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Movement is the primary means by which animals obtain resources and avoid hazards. Most movement exhibits directional bias that is related to environmental features (defined as taxis when biased orientation is voluntary), such as the location of food patches, predators, ocean currents or wind. Numerous behaviours with directional bias can be characterised by maintaining orientation at an angle relative to the environmental stimuli ( menotaxis ), including navigation relative to sunlight or magnetic fields and energy‐conserving flight across wind. However, new methods are needed to flexibly classify and characterise such directional bias. We propose a biased correlated random walk model that can identify menotactic behaviours by predicting turning angle as a trade‐off between directional persistence and directional bias relative to environmental stimuli without making a priori assumptions about the angle of bias. We apply the model within the framework of a multi‐state hidden Markov model (HMM) and describe methods to remedy information loss associated with coarse environmental data to improve the classification and parameterisation of directional bias. Using simulation studies, we illustrate how our method more accurately classifies behavioural states compared to conventional correlated random walk HMMs that do not incorporate directional bias. We illustrate the application of these methods by identifying cross wind olfactory foraging and drifting behaviour mediated by wind‐driven sea ice drift in polar bears ( Ursus maritimus ) from movement data collected by satellite telemetry. The extensions we propose can be readily applied to movement data to identify and characterise behaviours with directional bias towards any angle, and open up new avenues to investigate more mechanistic relationships between animal movement and the environment.
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.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 découle