Using Accelerometer Data to Remotely Assess Predation Activity of Arctic Wolves <i>(Canis lupus arctos)</i>
Notice bibliographique
Résumé
Arctic wolves (Canis lupus arctos) play an important role in ecosystems located in the far northern regions of the world; however, little information is available about them and their impacts on prey populations due to their remote location. Recently, there has been concern about declining caribou populations, which serve as an important food source for local Inuit peoples. As a result, there is an urgent need to better understand Arctic wolves and their influence on caribou abundance. Dr. Dan MacNulty, a professor at Utah State University, is currently conducting research on Arctic wolves in the Fosheim Peninsula of Ellesmere Island, Canada. In July 2014, four Arctic wolves, each from a different pack in the area, were captured and temporarily fitted with a global positioning system (GPS) radio-collar equipped with an accelerometer that records activity levels. Because capturing and eating prey takes time, clusters of GPS locations can be used to identify wolf predation events. The objective of my project is to evaluate the utility of collar accelerometer data for inferring the presence of wolf-killed ungulates at GPS location clusters. Because predation is an energetically-intensive activity, I expected location clusters with high levels of activity at the onset of cluster formation to contain kills. Collar accelerometer data may provide a new tool for scientists and wildlife managers to remotely monitor the predatory impact of large carnivores.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| 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 tête enseignante, 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 ».