Undersøgelse viser, hvordan maskinlæring kan identificere social plejeadfærd ud fra accelerationssignaler hos vilde bavianer

Social pleje er en udbredt adfærd hos mange primatarter, der tjener forskellige sociale funktioner, herunder styrkelse af sociale bånd, forstærkning af sociale hierarkier og reduktion af stress. Tidligere undersøgelser har vist, at social grooming kan identificeres ved visuel observation eller manuel annotering af accelerationssignaler indsamlet fra dyre-tilsluttede sensorer. Sådan manuel mærkning er dog tidskrævende og kræver ekspertviden. For at lette storstilet overvågning af social plejeadfærd hos vilde primater foreslår vi en maskinlæringstilgang til automatisk identifikation af social pleje fra accelerationssignaler. Vi udviklede et datasæt med accelerationssignaler indsamlet fra vilde bavianer (_Papio anubis_), indeholdende over 100 timers social pleje og over 500 timers ikke-sociale plejeaktiviteter. Datasættet blev brugt til at træne og teste en række maskinlæringsmodeller, herunder understøttende vektormaskiner, beslutningstræer og tilfældige skove. Vores resultater viser, at den bedste model, en tilfældig skov, opnåede en nøjagtighed på 96,2 % og en F1-score på 94,5 % i at identificere sociale plejebegivenheder. Den foreslåede tilgang er lovende for automatisk og storstilet identifikation af social plejeadfærd hos vilde dyr, hvilket kan bidrage til vores forståelse af primaters sociale adfærd og give værdifuld information til bevarings- og forvaltningsindsatsen.