编辑推荐：
传统量化动物社会网络结构的方法耗时长、人力成本高。研究人员探究基于单文件移动（SFM）观察数据推断巴巴利猕猴社会网络结构的有效性。结果发现 SFM 数据在估算细粒度网络结构上存疑，但或可用于初步判断群落结构。这为相关研究及管理提供新思路。
在动物行为研究的广袤天地里，理解动物的社会网络结构至关重要。就像人类社会中，人与人之间的关系错综复杂，形成各种社交圈子一样，动物群体也有着独特的社会结构。传统方法用于量化动物社会网络结构，尤其是像群落结构这样的全局结构指标时，却遭遇了重重困难。这些方法需要大量高分辨率的数据，收集过程既耗时又费力，仿佛在荆棘丛中艰难前行，让研究人员举步维艰。
为了突破这一困境，来自国外的研究人员开展了一项别具一格的研究。他们将目光聚焦于巴巴利猕猴（Macaca sylvanus）这一物种，试图探索一种新的、更高效的研究路径。研究发表在《Animal Behaviour》杂志上，为该领域带来了新的曙光。
研究人员用到的主要关键技术方法包括：在法国的 La Forêt des Singes 野生动物公园收集数据，研究对象为其中一个半散养巴巴利猕猴群体 PB 的成年个体。采用的方法有基于观察单文件移动（SFM）中个体顺序收集社会关联数据，同时运用扫描采样和焦点观察这两种传统方法收集数据作为对照。运用 Louvain 社区检测算法来估算群体内的群落结构 ，并通过 Mantel 检验和 Spearman 相关性分析对结果进行验证。
数据收集
研究数据收集于 2017 年 3 月至 6 月，地点是法国罗卡马杜尔一个 20 公顷的封闭式野生动物公园 ——La Forêt des Singes。公园内生活着三个半散养且有人投喂的巴巴利猕猴社会群体，此次研究重点关注其中一个群体 PB 的成年个体（即年龄≥5 岁的雌性和年龄≥7 岁的雄性）。在数据收集时，PB 群体由 61 只个体组成，其中有 45 只成年个体（23 只雌性），这些个体都能通过自然标记和独特特征识别。
群落结构估计的稳定性
对于每种方法，使用未缩减的数据集时，由 cluster_louvain 函数估计的模块化值的稳定性随着网络所依据的观察天数增加而提高。当使用所有观察日的数据来推断网络时，估计值高度稳定。除扫描数据外，其他结果都表明存在有意义的群落结构，模块化值高于 0.3（Clauset 等人，2004；SFM 邻接矩阵：平均值 = 0.380，标准差 = 0.003；SFM） 。
研究结果综合分析
研究人员通过对比基于 SFM 中通过顺序得到的二元关联指数和群落结构，与传统的焦点观察和瞬时扫描采样方法得到的结果发现：使用 Mantel 检验和 Spearman 相关性分析，发现基于 SFM 数据得到的群落分配和二元关联指数，与扫描数据和焦点数据得到的结果之间，存在统计学上显著但较弱的正相关。这意味着仅通过 20 次单文件移动观察获得的关联数据，在可靠地估计二元关系强度或较大群体内离散群落组成方面，证据并不充分。不过，无论使用哪种数据收集方法，群落检测算法的结果在模块化值和群体内群落数量的估计上趋于相似。
研究结论和讨论
这项研究表明，虽然来自单文件移动观察的数据可能不太适用于估计精细的社会网络结构，但它或许能为研究人员提供一种 “快速而简便” 的方法。在开展初步研究时，研究人员可以用它来判断研究群体中是否存在有意义的群落结构。对于野生动物管理者和保护主义者而言，这也是一种有效的方法，能够监测种群层面社会结构的扰动情况。这一研究成果为后续研究动物社会网络结构提供了新的视角和方向，让人们在探索动物复杂社会行为的道路上又迈出了重要一步，也为野生动物的管理和保护提供了有价值的参考依据。
