MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389818500 · doi:10.24124/2023/59440

Investigating the feasibility of using scent detection dogs to locate bat hibernacula in a coastal temperate rainforest

2023· dissertation· en· W4389818500 sur OpenAlexaff
Robin Rhoads

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBat Biology and Ecology Studies
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésMyotis lucifugusSwarming (honey bee)EcologyGeographyHibernation (computing)BiologyGuanoHabitatZoology

Résumé

récupéré en direct d'OpenAlex

Little brown bat (Myotis lucifugus) populations have dramatically declined in North America as a result of white-nose syndrome, a fungal pathogen. The identification and protection of hibernacula is important to conservation efforts for the species. Little brown bats in western North America use a greater variety of hibernacula structures than their conspecifics in other portions of the continent, however relatively few have been identified. Existing techniques for locating hibernacula are limited and not conducive to all habitats; new methods are needed. The objectives of my research were to investigate whether a combination of scent detection dogs and game cameras at rocky outcrops could identify entrances to little brown bat hibernacula occurring in the Milieu Souterrain Superficiel (MSS) of Southeast Alaska during summer swarming. Additionally, I described swarming activity at swarming sites and hibernacula in Southeast Alaska to determine if specific behaviours during swarming were likely to be predictive of hibernation at that site. Using trained scent-detection dogs and game cameras, I identified six new hibernacula along ridges where bats were known to overwinter. Using cameras, I found that sites where bats were observed making u-turn behaviours were later used for hibernation, and that sites where circling and crawling behaviours were observed were less likely to be used as hibernacula. When bats were recorded at sites during the swarming period was also related to whether sites were used over winter; sites with more videos recorded during 26 August ̵ 8 September were more likely to be used as hibernacula. I conclude that it is possible to use scent detection dogs and game cameras at crevices during summer swarming to identify hibernacula in the MSS. Surveying with dogs will be most effective in areas with accessible habitat with recent bat use. A multipronged approach incorporating multiple tools, such as using radiotelemetry to broadly identify areas to search or using acoustic detectors to monitor bat activity levels prior to surveying, may increase the efficacy of the method.,

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,081
Tête enseignante GPT0,294
Écart entre enseignants0,213 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBat Biology and Ecology Studies→Travaux en français237 207→