MétaCan
Menu
Retour à la cohorte
Enregistrement W4378893568 · doi:10.47536/jcrm.v2i3.503

Comparison of subjective and statistical methods of dive classification using data from a time-depth recorder attached to a gray whale (Eschrichtius robustus)

2000· article· en· W4378893568 sur OpenAlexafffundabout
Christopher D. Malcolm, D.A. Duffus

Notice bibliographique

Revue˜The œjournal of cetacean research and management. Special issue · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of Victoria
Organismes subventionnairesFisheries and Oceans CanadaEarthwatch Institute
Mots-clésLinear discriminant analysisWhaleDiscriminant function analysisStatistical analysisGray (unit)Marine mammalComputer scienceArtificial intelligenceCartographyGeographyStatisticsMathematicsMachine learningEcologyBiology

Résumé

récupéré en direct d'OpenAlex

This paper presents dive data obtained from the deployment of a suction-cup attached time-depth recorder (TDR) on a gray whale off the west coast of Vancouver Island, Canada. Data are presented in the form of dive profiles. This represents the first time that dive data have been collected from a gray whale. The data were used to compare subjective classification of dive types to statistical methods of classification, and to test the ability of the statistical methods to classify dives. Each dive was analysed using maximum depth, dive duration and bottom time variables for both subjective and statistical methods to make direct comparison of results. Subjective classification suggests that the tagged animal performed five distinct dive types. Two of these dive types, termed Interventilation and Feeding, were assigned a purpose. Two statistical techniques were then used to classify dives: k-means cluster analysis and discriminant function analysis. Cluster analysis and subjective classification showed poor agreement due to the statistical technique’s inability to account for dive geometry. Discriminant function analysis proved more successful, although this technique also demonstrated some weakness in testing for dive geometry. It was concluded that while statistical analysis of dive data is useful to classify dive types in a general manner, subtle differences, which may be indicative of behavioural differences, still depend on subjective analysis for identification. Detailed analyses of the third, or depth, dimension of the marine mammal environment will be important for the development of effective management strategies, especially as whalewatching grows in popularity.

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)0,010
score de la tête « metaresearch » (Gemma)0,035
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 enseignants0,010
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,035
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,179
Tête enseignante GPT0,454
Écart entre enseignants0,275 · 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

Citations16
Publié2000
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revue˜The œjournal of cetacean research and management. Special issueMême sujetMarine animal studies overviewTravaux en français237 207