MétaCan
Menu
Retour à la cohorte
Enregistrement W4308055180 · doi:10.1242/jeb.244599

Tag-based estimates of bottlenose dolphin swimming behavior and energetics

2022· article· en· W4308055180 sur OpenAlexfundno aff
Joaquin Gabaldon, Ding Zhang, Julie Rocho‐Levine, Michael J. Moore, Julie van der Hoop, Kira Barton, K. Alex Shorter

Notice bibliographique

RevueJournal of Experimental Biology · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace Engineering and Energy Systems
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Naval ResearchFisheries and Oceans CanadaUniversity of MichiganNational Science Foundation
Mots-clésKinematicsBottlenose dolphinMarine mammalDragWork (physics)Marine engineeringEnergeticsRange (aeronautics)Propulsive efficiencyEnvironmental scienceSimulationPropulsionFisheryComputer scienceMechanicsEcologyBiologyPhysicsEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Current estimates of marine mammal hydrodynamic forces tend to be made using camera-based kinematic data for a limited number of fluke strokes during a prescribed swimming task. In contrast, biologging tag data yield kinematic measurements from thousands of strokes, enabling new insights into swimming behavior and mechanics. However, there have been limited tag-based estimates of mechanical work and power. In this work, we investigated bottlenose dolphin (Tursiops truncatus) swimming behavior using tag-measured kinematics and a hydrodynamic model to estimate propulsive power, work and cost of transport. Movement data were collected from six animals during prescribed straight-line swimming trials to investigate swimming mechanics over a range of sustained speeds (1.9-6.1 m s-1). Propulsive power ranged from 66 W to 3.8 kW over 282 total trials. During the lap trials, the dolphins swam at depths that mitigated wave drag, reducing overall drag throughout these mid- to high-speed tasks. Data were also collected from four individuals during undirected daytime (08:30-18:00 h) swimming to examine how self-selected movement strategies are used to modulate energetic efficiency and effort. Overall, self-selected swimming speeds (individual means ranging from 1.0 to 1.96 m s-1) tended to minimize cost of transport, and were on the lower range of animal-preferred speeds reported in literature. The results indicate that these dolphins moderate propulsive effort and efficiency through a combination of speed and depth regulation. This work provides new insights into dolphin swimming behavior in both prescribed tasks and self-selected swimming, and presents a path forward for continuous estimates of mechanical work and power from wild animals.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,241
Écart entre enseignants0,232 · 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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental BiologyMême sujetAerospace Engineering and Energy SystemsTravaux en français237 207