Trade‐offs in performance of six lightweight automated tracking devices for birds
Notice bibliographique
Résumé
Researchers should consider the costs and benefits of using tracking devices and choose devices that will optimize information gained with minimal effects on study organisms. With numerous technological advancements and devices marketed for avian research, selecting an optimal device and data collection interval (i.e., duty cycle) can be difficult. We evaluated six tracking-device types from two manufacturers (Pinpoint 10 [1-g; Lotek], Pinpoint Argos 75 [4-g; Lotek], Pinpoint Argos Solar S [6-g; Lotek], Ornitrack-10 [10-g; Ornitela], Ornitrack-15 [15-g; Ornitela], and Ornitrack-N35 [35-g; Ornitela]) and varied duty cycles to quantify (1) fix success rate for all units, (2) precision of location information for all units, and (3) battery voltage given the effects of duty cycle and reduced light for solar-rechargeable units (Ornitrack-10, Ornitrack-15, and Ornitrack-N35). Fix success rates for Pinpoint 10, Pinpoint Argos 75, Ornitrack-10, Ornitrack-15, and Ornitrack-N35 units were overall > 0.95. However, the Pinpoint Argos Solar S units had a lower fix success rate that varied with duty cycle intensity. The Pinpoint Argos 75, Pinpoint Argos Solar S, and Ornitrack-10 units were more precise (≥ 99% points were collected within 20 m of each other) than the Pinpoint 10, Ornitrack-15, and Ornitrack-N35 units (> 80% of points collected within 20 m of each other). For all devices, batteries maintained a high charge (i.e., battery charge lost during the dark hours was recovered or mostly recovered during the day) under high and intermediate light levels, and low and intermediate duty cycles. Light explained more variation in battery voltage than duty cycle. We encourage investigators to evaluate devices prior to deployment on birds to maximize data quality relative to their research questions.
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 | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».