数字化增强的犬类行为测试：借助机器之力
人机交互
2023-08-15 v1 信息检索
摘要
犬类行为特征的评估是一个被广泛研究的难题，因其具有诸多实际应用，如繁育筛选、工作 aptitude 预测、被领养概率等。大多数行为特征评估方法基于问卷或观察，需要大量的时间、精力与专业知识。此外，这些方法易受主观性与偏差影响，可靠性较低。在本研究中，我们提出了一种自动化计算方法，可为当前方案提供更客观、稳健且资源高效的替代。利用陌生人测试协议的一部分，我们对 n=53 只犬在陌生人出现及善意行为下的反应进行了测试。犬的应对方式由三位专家评分。此外，通过犬类行为评估与研究问卷 (C-BARQ) 从其管理者处收集数据。对犬运动轨迹的无监督聚类揭示出两个主要簇，其在陌生人指向恐惧 C-BARQ 因子上差异显著，并且基于专家评分可将（足够）放松的犬与对陌生人表现出过度行为的犬良好区分。基于该聚类，我们获得了一种机器学习分类器，用于专家对陌生人指向应对方式的评分，准确率达 78%。我们还获得了预测 C-BARQ 因子得分的回归模型，性能不一，最优者为主人指向攻击性（平均绝对误差 0.108）与兴奋性（均方误差 0.032）。本案例研究展示了一种数字化增强犬类行为测试的新范式。
引用
@article{arxiv.2308.06269,
title = {Digitally-Enhanced Dog Behavioral Testing: Getting Help from the Machine},
author = {Nareed Farhat and Teddy Lazebnik and Joke Monteny and Christel Palmyre Henri Moons and Eline Wydooghe and Dirk van der Linden and Anna Zamansky},
journal= {arXiv preprint arXiv:2308.06269},
year = {2023}
}