MétaCan
Menu
Retour à la cohorte
Enregistrement W4382936514 · doi:10.3390/acoustics5030039

Animal Calling Behaviours and What This Can Tell Us about the Effects of Changing Soundscapes

2023· article· en· W4382936514 sur OpenAlexaff
Rianna E. Burnham

Notice bibliographique

RevueAcoustics · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésSoundscapeWildlifeAffordanceForagingDisturbance (geology)Range (aeronautics)CommunicationEcologyComputer scienceAcousticsPsychologyHuman–computer interactionBiologySound (geography)Engineering

Résumé

récupéré en direct d'OpenAlex

The behavioural, physiological, and energetic repercussions for wildlife that result from changes in their soundscapes are increasingly being realized. To understand the effects of changing acoustic landscapes, we first must establish the importance of the acoustic sense for species to transfer information between the environment, con- and heterospecifics, and a receiver, and the functional role of calling in behaviours such as foraging, navigation, mate attraction, and weaning. This review begins with a discussion of the use of calling and the acquisition of the vocal repertoire, before providing examples from multiple taxa on the functional applications of signals and communication. The acoustic sensory mode adds to, if not being inherent in, many critical life history stages over a range of species. The potential effects on an animal resulting from a change in its perceived soundscape and disturbance on its acoustics use is outlined. This can then be used to consider the implications of an altered acoustic niche or active space in the success and survival of an individual or species. Furthermore, we discuss briefly metrics that could be used to understand the implications of these changes, or could be used to guide mitigation action to lessen the impact.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,012
Tête enseignante GPT0,234
Écart entre enseignants0,222 · 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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcousticsMême sujetMarine animal studies overviewTravaux en français237 207