动物行为度量中的分段连续采样法：一种兼顾效率与准确性的优化策略

本研究针对动物行为观测中连续采样耗时费力、瞬时采样丢失细节的难题，提出分段连续采样（Piecewise-Continuous Sampling）新方法。通过收割蚁行为数据的多模式采样对比，结合多目标优化（desirability functions）分析，证明该方法可在降低采样强度的同时有效保留行为特征细节，为行为生态学研究提供高效量化工具。

　　

捕捉动物行为的定性特征需对行为发生过程进行时间维度上的采样。连续采样（continuous sampling）虽能完整记录行为细节，但存在耗时严重、实操性低的局限；瞬时采样（instantaneous sampling）虽减轻工作量，却会丢失连续数据集中的精细结构。为此研究者提出分段连续采样（piecewise-continuous sampling）——通过在随机分散的时间区间内进行多次连续采样，实现两种传统方法的融合。为验证该技术效果，团队以收割蚁工蚁为模型，采集连续行为数据集后，分别采用连续采样、瞬时采样和分段连续采样（均保持相近总观测时长）进行随机抽样，进而量化不同采样方式在行为属性测量中的误差。结果表明各类采样技术优劣各异。通过多目标优化技术（意愿函数，desirability functions）证明，分段连续采样可探索连续采样与瞬时采样之间的梯度关系，从而找到同时最小化研究投入与误差的最优策略。