De ce este mai dificil de măsurat comportamentul social decât activitatea individuală
Măsurarea unui singur pește într-un acvariu este o problemă de urmărire. Măsurarea mai multor pești împreună este o problemă de urmărire plus o problemă de identificare. Modelele de interacțiune socială depind de cunoașterea faptului care pește se află lângă care alt pește, cât timp rămân în apropiere și cum se reconfigurează grupul în timp. Un sistem de analiză comportamentală pentru pești-zebră trebuie să rezolve această problemă de identificare înainte de a putea raporta orice informație despre comportamentul social. Dacă identitățile se schimbă atunci când doi pești se intersectează, datele devin un înregistrare a pozițiilor, nu o înregistrare a relațiilor.
Observația manuală se confruntă cu aceeași problemă. O persoană care urmărește un acvariu poate urmări un pește o perioadă de timp, dar atenția i se împrăștie. Când mai mulți pești se mișcă simultan, observatorul nu poate păstra clar identitățile tuturor. Rezultatul este adesea o impresie aproximativă, nu o măsură cantitativă. Automatizarea nu elimină dificultatea, dar face problema identității explicită și rezolvabilă.
Urmărirea identităților când peștii se intersectează
Urmărirea multiobiect este nucleul măsurării comportamentului social. Software-ul detectează fiecare pește în fiecare cadru și leagă detecțiile între cadre. Când doi pești trec foarte aproape unul de celălalt, etapa de legare devine ambiguă. O regulă simplă de vecin cel mai apropiat eșuează adesea și schimbă identitățile. Sistemele mai robuste folosesc predicția mișcării, de exemplu un filtru Kalman, și caracteristici ale aspectului, cum ar fi forma cozii sau dimensiunea corpului, pentru a menține stabilitatea identităților.
Algoritmul ungar este frecvent utilizat pentru atribuirea detecțiilor la trasee existente. Acesta găsește cea mai bună potrivire unu-la-unu pe baza unei matrice de costuri care poate include distanța, poziția prevăzută și aspectul. Chiar și cu aceste instrumente, ocultarea rămâne o provocare. Peștii care înoată în spatele unui obiect din acvariu sau se suprapun complet pot fi pierduți pentru câteva cadre. Sistemele bune gestionează intervale scurte de lipsă și afișează scoruri de încredere, astfel încât utilizatorul să știe când o urmă este nesigură.
Metrici de distanță și apropiere care captează preferințele sociale
Odată ce identitățile devin stabile, sistemul poate calcula metrici sociale. Cea mai simplă este distanța dintre pești, adică distanța dintre un pește și cel mai apropiat vecin al său. Distanța medie dintre pești, calculată pentru întreaga grupare, oferă o estimare aproximativă a coeziunii. O distanță medie mai mică sugerează un card mai compact, iar o distanță medie mai mare sugerează că peștii se împrăștie.
Alți indicatori adaugă nuanță. Distanța până la cel mai apropiat vecin se concentrează pe cel mai apropiat pește și poate evidenția comportamentul de împerechere. Timpul petrecut în interiorul unui rază definită în jurul altui pește măsoară preferința pentru apropiere. Apropiările și depărtările numără de câte ori peștii se mișcă spre sau dinspre alții. Acești indicatori pot fi calculați pentru întreaga grupare sau pentru perechi specifice, în funcție de întrebarea de cercetare. Un sistem de analiză a comportamentului la peștii zebra raportează de obicei mai mulți dintre acești indicatori simultan, ceea ce ajută la separarea diferitelor aspecte ale interacțiunii sociale.
| Obiectivul măsurării | Observație manuală | Sistem automatizat de urmărire |
|---|---|---|
| Distanță între pești | Estimată vizual | Calculată pe cadru |
| Păstrarea identității | Dificilă atunci când peștii se intersectează | Menținută prin predicție și analiză a aspectului |
| Coziunea grupului | Impresie generală | Distanță medie și metrici de grupare |
| Apropiere și îndepărtare | Ușor de trecut cu vederea | Numărat automat |
| Durată petrecută în apropiere | Inconsistente între observatori | Definite de rază și durată |
Dinamica grupului și modelele de adunare
Interacțiunea socială nu este doar o chestiune de distanță medie. Este, de asemenea, legată de modul în care se mișcă grupul împreună. Modelele de adunare includ polarizarea, adică alinierea direcției de înot între pești, și rotația, adică tendința de a înota într-un cerc coordonat. Aceste modele apar din interacțiuni locale și sunt greu de observat cu ochiul liber.
Urmărirea automată le poate calcula din traiectorii. Polarizarea este vectorul direcțional mediu al peștilor. Rotația este măsurată pe baza vitezei unghiulare în jurul centrului de masă al grupului. Aceste metrici sunt sensibile la dimensiunea grupului, forma vasului și fluxul apei. Un grup aflat într-un vas circular poate afișa modele diferite față de un grup aflat într-un vas dreptunghiular. Sistemul afișează valorile numerice, dar cercetătorul trebuie să le interpreteze în context.
Factorii de mediu care influențează datele privind interacțiunea socială
Comportamentul social nu are loc în vid. Temperatura apei afectează nivelul de activitate și, prin urmare, distanța la care peștii rămân unii față de alții. Intensitatea luminii modifică starea de trezire și tendința de formare a cardurilor. Dimensiunea și forma vasului definesc spațiul disponibil pentru interacțiune. Densitatea de găzduire anterioară experimentului influențează comportamentul social de bază. Peștii ținuți în izolare se pot comporta diferit față de cei ținuți în grupuri.
Sistemul de analiză a comportamentului peștilor zebra poate înregistra multe dintre aceste variabile, dacă senzorii sunt conectați. Totuși, nu poate controla istoricul de îngrijire sau fondul genetic. Acești factori trebuie documentați separat și luați în considerare la interpretarea datelor. O metrică socială care diferă între două grupuri poate reflecta un efect al tratamentului, un efect al îngrijirii sau o interacțiune între cele două.
Un exemplu din teren și limitele analizei sociale automate
Un laborator universitar din sudul Chinei studia efectele unui compus asupra comportamentului social la peștii zebra adulți. Prima rundă a folosit evaluarea manuală. Observatorii numărau de câte ori peștii înotaу aproape unul de celălalt, dar rezultatele erau inconsistente între persoane și între sesiuni. Laboratorul a instalat ulterior un sistem de analiză a comportamentului peștilor zebra cu urmărire multiobiect.
Datele automate au arătat că grupurile tratate au avut o distanță medie mai mare între pești și un număr mai mic de evenimente de apropiere decât grupurile martor. Efectul a fost mic, dar constant în toate sesiunile. Scorarea manuală l-a omis, deoarece observatorii nu puteau urmări identitățile în mod fiabil atunci când peștii se intersectau. Sistemul automat nu a demonstrat că compusul a modificat motivația socială. A arătat doar că modelul spațial s-a modificat. Vor fi necesare studii suplimentare pentru a înțelege motivul acestei modificări.
Analiza socială automată are limite. Măsoară pozițiile și mișcările. Nu măsoară motivația, recunoașterea sau preferința în sens cognitiv. Un pește poate rămâne aproape de altul pentru că preferă compania, pentru că îl urmărește pe un lider sau pentru că geometria acvariului îl constrânge. Datele de urmărire nu pot distinge între aceste explicații. Jumătatea umană și experimentele suplimentare bine concepute rămân esențiale.
Hunter Lab (Hunter) construiește echipamente de laborator pentru pești-zebră, cu accent pe stabilitatea imaginii și urmărirea simultană a mai multor obiecte, elemente esențiale în studiile privind comportamentul social. Activitățile de producție și control al calității asigură consistența necesară cercetării comportamentale pe termen lung. Pentru laboratoarele care măsoară modele de interacțiune socială, acest tip de disciplină în construcție reprezintă o parte integrantă a fundației.