Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Aggregates Classification01:29

Aggregates Classification

947
Aggregate classification is generally based on its size, petrographic characteristics, weight, and source. Size classification ranges from coarse to fine aggregates, defined by the size of the particles. Coarse aggregates are particles that do not pass through ASTM sieve No. 4, and aggregates that pass through the sieve are fine aggregates.
Petrographic classification groups aggregates based on common mineralogical characteristics. Some of the common mineral groups found in aggregates are...
947

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Understanding mammal avoidance of human settlements.

The Journal of animal ecology·2026
Same author

Evaluation of Pronghorn (Antilocapra americana) Chemical Immobilization in a Captive Research Facility in Wyoming, USA (2021-24).

Journal of wildlife diseases·2026
Same author

Co-occurrence patterns of internal parasitic nematodes and coccidia in wild bighorn sheep depend on host geography and environment.

International journal for parasitology·2026
Same author

Interacting effects of human presence and landscape modification on birds and mammals.

Science (New York, N.Y.)·2026
Same author

Resolving the Evolutionary History of Bighorn Sheep to Inform Future Management: An Answer to the California Bighorn Lineage Question.

Evolutionary applications·2026
Same author

In cold blood: screening wild Alaskan moose (<i>Alces alces gigas</i>) for filarial nematode (Filarioidea: Onchocercidae) infections using a deep-amplicon sequencing approach.

Parasitology·2026
Same journal

High Levels of Straying in Returning, Repeat-Spawning Atlantic Salmon Between Two Neighbouring Danish Rivers.

Ecology and evolution·2026
Same journal

Regeneration Strategies in Seed Plants: A Continuum Shaping Survival.

Ecology and evolution·2026
Same journal

Post-Dispersal Embryo Growth Is a Thermal Checkpoint for Seed Regeneration.

Ecology and evolution·2026
Same journal

Prediction of the Potential Distribution of Common Pochard (<i>Aythya ferina</i>) and Marbled Teal (<i>Marmaronetta angustirostris</i>) in Iran Under Future Climate Scenarios.

Ecology and evolution·2026
Same journal

Multi-Scale Habitat Suitability and Spatial Distribution of the European Green Toad.

Ecology and evolution·2026
Same journal

Herbivore Identity and Species Richness Shape Fruit Chemical and Quality Responses to Foliar Herbivory.

Ecology and evolution·2026
Ver todos los artículos relacionados

Video Experimental Relacionado

Updated: Jan 8, 2026

Decoding Natural Behavior from Neuroethological Embedding
08:00

Decoding Natural Behavior from Neuroethological Embedding

Published on: October 3, 2025

548

AccelerometerBehavior: Paquete R para Clasificar Comportamientos de Ungulados en Tres Estados

Rachel A Smiley1,2, Seth T Rankins1,2, Lindsay Millward3

  • 1Haub School of the Environment and Natural Resources University of Wyoming Laramie Wyoming USA.

Ecology and evolution
|December 22, 2025
PubMed
Resumen
Este resumen es generado por máquina.

Los investigadores desarrollaron un paquete R, AccelerometerBehavior, para clasificar el comportamiento de los ungulados utilizando datos de acelerómetro de collares GPS. Esta herramienta mejora el uso de datos de movimiento subutilizados para la investigación de la vida silvestre.

Palabras clave:
acelerómetropresupuestos de actividaddatos de actividadborrego cimarrónalceciervo muloungulados

Más Videos Relacionados

Behavioral Disturbances: An Innovative Approach to Monitor the Modulatory Effects of a Nutraceutical Diet
07:05

Behavioral Disturbances: An Innovative Approach to Monitor the Modulatory Effects of a Nutraceutical Diet

Published on: January 3, 2017

9.3K
Noninvasive, In-pen Approach Test for Laboratory-housed Pigs
06:30

Noninvasive, In-pen Approach Test for Laboratory-housed Pigs

Published on: June 5, 2019

8.9K

Videos de Experimentos Relacionados

Last Updated: Jan 8, 2026

Decoding Natural Behavior from Neuroethological Embedding
08:00

Decoding Natural Behavior from Neuroethological Embedding

Published on: October 3, 2025

548
Behavioral Disturbances: An Innovative Approach to Monitor the Modulatory Effects of a Nutraceutical Diet
07:05

Behavioral Disturbances: An Innovative Approach to Monitor the Modulatory Effects of a Nutraceutical Diet

Published on: January 3, 2017

9.3K
Noninvasive, In-pen Approach Test for Laboratory-housed Pigs
06:30

Noninvasive, In-pen Approach Test for Laboratory-housed Pigs

Published on: June 5, 2019

8.9K

Área de la Ciencia:

  • Ecología de la vida silvestre
  • Comportamiento animal
  • Ecología del movimiento

Sus antecedentes:

  • Los avances tecnológicos permiten estudios detallados del comportamiento animal.
  • Los datos de acelerómetro de collares GPS se subutilizan para el análisis del comportamiento.
  • La clasificación del comportamiento de los ungulados a partir de datos de acelerómetro requiere modelos robustos.

Objetivo del estudio:

  • Desarrollar y validar modelos para clasificar comportamientos de ungulados (estacionario, forrajeo, desplazamiento) utilizando datos de acelerómetro.
  • Crear un paquete R (AccelerometerBehavior) para la aplicación accesible de estos modelos.
  • Comparar los presupuestos de actividad derivados de datos de acelerómetro con los de modelos de Markov ocultos basados en GPS.

Principales métodos:

  • Se emparejaron datos de acelerómetro con observaciones conductuales directas para tres especies de ungulados.
  • Se desarrollaron modelos de bosque aleatorio para la clasificación del comportamiento.
  • Se validaron modelos y se creó un modelo general de ungulados aplicable a especies que carecen de datos de observación.

Principales resultados:

  • Logró una alta precisión de clasificación (≥87%) y AUC (≥0.93) para modelos específicos de especies.
  • Desarrolló un modelo general de ungulados con 90% de precisión y 0.95 AUC.
  • El paquete R AccelerometerBehavior permite la aplicación directa de modelos validados.

Conclusiones:

  • AccelerometerBehavior facilita el uso de datos de acelerómetro subutilizados para estudios de comportamiento de ungulados.
  • El método y la resolución de los datos impactan significativamente las estimaciones del presupuesto de actividad.
  • El paquete R simplifica la clasificación del comportamiento, ampliando el potencial de investigación.