Search

Abstract Animal-borne tagging (bio-logging) generates large and complex datasets. In particular, accelerometer tags, which provide information on behaviour and energy expenditure of wild animals, produce high-resolution multi-dimensional data, and can be challenging to analyse. We tested the performance of commonly used artificial intelligence tools on datasets of increasing volume and dimensionality. By collecting bio-logging data across several sampling seasons, datasets are inherently characterized by inter-individual variability. Such information should be considered when predicting behaviour. We integrated both unsupervised and supervised machine learning approaches to predict behaviours in two penguin species. The classified behaviours obtained from the unsupervised approach Expectation Maximisation were used to train the supervised approach Random Forest. We assessed agreement between the approaches, the performance of Random Forest on unknown data and the implications for the calculation of energy expenditure. Consideration of behavioural variability resulted in high agreement (> 80%) in behavioural classifications and minimal differences in energy expenditure estimates. However, some outliers with

Visual predators rely on fast-acting optokinetic responses to track and capture agile prey. Most toothed whales, however, rely on echolocation for hunting and have converged on biosonar clicking rates reaching 500/s during prey pursuits. If echoes are processed on a click-by-click basis, as assumed, neural responses 100× faster than those in vision are required to keep pace with this information flow. Using high-resolution biologging of wild predator-prey interactions, we show that toothed whales adjust clicking rates to track prey movement within 50–200 ms of prey escape responses. Hypothesising that these stereotyped biosonar adjustments are elicited by sudden prey accelerations, we measured echo-kinetic responses from trained harbour porpoises to a moving target and found similar latencies. High biosonar sampling rates are, therefore, not supported by extreme speeds of neural processing and muscular responses. Instead, the neurokinetic response times in echolocation are similar to those of tracking responses in vision, suggesting a common neural underpinning.

Cel naukowy: Celem artykułu jest określenie uwarunkowań i uzyskiwanych wyników w zakresie kształtowania postaw przedsiębiorczych wśród studentów. Problem i metody badawcze: Problem badawczy wiąże się z poszukiwaniem uwarunkowań kształtowania postaw przedsiębiorczych w procesie kształcenia realizowanym w szkole średniej i wyższej. Koncentracja na uzyskiwanych wynikach w zakresie postaw przedsiębiorczych związana jest z przeglądem badań dotyczących przedsiębiorczości studentów oraz oceny przedsiębiorczości absolwentów z perspektywy potencjalnych pracodawców. Zastosowaną metodą badawczą jest krytyczna analiza literatury. Proces wywodu: W pierwszej części autor koncentruje się na wynikach badań dotyczących realizacji procesu kształcenia w zakresie przedsiębiorczości w szkołach średnich oraz na opinii uczniów dotyczącej zakładania własnej działalności gospodarczej. W dalszej części prezentuje wyniki badań dotyczące przedsiębiorczości studentów m.in. chęci podejmowania własnej działalności gospodarczej oraz związanych z tym barier, rodzaju działań podejmowanych w celu założenia firmy itp. Na koniec autor zwraca uwagę na ocenę przygotowania absolwentów do prowadzenia działalności gospodarczej z perspektywy potencjalnych pracodawców. Wyniki analizy naukowej: W wyniku przeprowadzonej analizy autor dochodzi do wniosku, iż studenci są chętni do podejmowania działań przedsiębiorczych, lecz obawiają się własnego braku wiedzy odnoście założenia i prowadzenia własnej firmy. Wnioski, innowacje, rekomendacje: Autor sygnalizuje, aby w programach kształcenia w zakresie przedsiębiorczości w szkole wyższej położyć większy nacisk na tematykę związaną z formalnościami odnośnie zakładania przedsiębiorstwa oraz pozyskiwaniem środków finansowych na ten cel. .