Analysing vocal complexity in relation to sociality in orcas of British Columbia: An application of long-term computational passive acoustics
Notice bibliographique
Résumé
Orcas are both highly social and highly vocal animals. In coastal waters of the North-Eastern Pacific Ocean, the Northern Resident orca population is well monitored, providing a great opportunity to learn about their social and communicative behaviour. Here, we report a series of acoustic analyses that lead to the empirical assessment of factors that might impact vocal complexity. Automatically processing long-term passive acoustic data, we detected and classified calls to transcribe vocal activity. Detailed post-hoc analyses show that the detection model is imperfect, especially in detecting calls of low energy. Also, diarisation is not possible with this data and transcriptions might gather a mixture of several emitters. Taking these limitations into account, we measured communicative complexity considering the groups’ vocal production as a whole. Acoustic and visual cues also enabled the identification of specific groups with estimated numbers of individuals. Results highlight a positive correlation between vocal and social complexity, which could be due to the mere effect of having more potential emitters. Nonetheless, this brings a first demonstration of the non-trivial link between the number of emitters and complexity in the composition of sequences. We also demonstrate significant impacts of other proximate factors such as behaviour on vocal complexity measurements, and advocate for multi-factor considerations when evaluating communicative complexity. This work demonstrates the pertinence of joint efforts between passive acoustics, visual observations and machine learning to enhance the scale of behavioural studies and assess the validity of evolutionary hypotheses of communication systems.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».