MacaqueNet: Advancing comparative behavioural research through large‐scale collaboration
Notice bibliographique
Résumé
There is a vast and ever-accumulating amount of behavioural data on individually recognised animals, an incredible resource to shed light on the ecological and evolutionary drivers of variation in animal behaviour. Yet, the full potential of such data lies in comparative research across taxa with distinct life histories and ecologies. Substantial challenges impede systematic comparisons, one of which is the lack of persistent, accessible and standardised databases. Big-team approaches to building standardised databases offer a solution to facilitating reliable cross-species comparisons. By sharing both data and expertise among researchers, these approaches ensure that valuable data, which might otherwise go unused, become easier to discover, repurpose and synthesise. Additionally, such large-scale collaborations promote a culture of sharing within the research community, incentivising researchers to contribute their data by ensuring their interests are considered through clear sharing guidelines. Active communication with the data contributors during the standardisation process also helps avoid misinterpretation of the data, ultimately improving the reliability of comparative databases. Here, we introduce MacaqueNet, a global collaboration of over 100 researchers (https://macaquenet.github.io/) aimed at unlocking the wealth of cross-species data for research on macaque social behaviour. The MacaqueNet database encompasses data from 1981 to the present on 61 populations across 14 species and is the first publicly searchable and standardised database on affiliative and agonistic animal social behaviour. We describe the establishment of MacaqueNet, from the steps we took to start a large-scale collective, to the creation of a cross-species collaborative database and the implementation of data entry and retrieval protocols. We share MacaqueNet's component resources: an R package for data standardisation, website code, the relational database structure, a glossary and data sharing terms of use. With all these components openly accessible, MacaqueNet can act as a fully replicable template for future endeavours establishing large-scale collaborative comparative databases.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,073 | 0,167 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,014 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,010 | 0,015 |
| Science ouverte | 0,007 | 0,032 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,012 |
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 source (Gemma direct ou Codex distillé), 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 ».