Acceleration Data Reveal Behavioural Responses to Hunting Risk in Scandinavian Brown Bears
Notice bibliographique
Résumé
Predation may indirectly influence prey's fitness and population dynamics through behavioural adjustments in response to perceived predation risk. These non-consumptive effects of predation can also arise from hunting by humans, but they remain less documented. Advances in biologging allow detailed assessments of the activity budgets of elusive wildlife, increasing the potential to uncover the non-consumptive effects of human activities on animals. We used tri-axial accelerometry to record the daily activity of 24 Scandinavian brown bears (20 females and 4 males) from a heavily hunted population in Sweden, for a total of 29 bear-years (2015-2022). We used a random forest algorithm trained with observations of captive brown bears to classify the accelerometry data into four behaviours, running, walking, feeding and resting, with an overall precision of 95%. We then used these classifications to evaluate changes in bear activity budgets before and during the hunting season. Bears exhibited a bimodal daily activity pattern, being most active at dusk and dawn and resting around midday and midnight. However, during the hunting season, males became more nocturnal compared to before the hunting season, suggesting a proactive behavioural adjustment to reduce encounters with hunters. Females showed the opposite pattern and had a higher probability of being active during the day, potentially to increase nutritional gains before denning. Additionally, daily number of running bouts did not vary between the pre-hunting and hunting seasons in both sexes, but females' proportion of running bouts occurring during legal hunting hours was higher during the hunting season than prior to it, which suggests a reactive behavioural adjustment to encounters with hunters. Detailed assessments of wild animal behaviours, allowed through recording of movement data at high frequencies, have the potential to improve our understanding of the impacts of human activity on wildlife.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».