Il social grooming è un comportamento diffuso in molte specie di primati che svolge varie funzioni sociali, tra cui il rafforzamento dei legami sociali, il rafforzamento delle gerarchie sociali e la riduzione dello stress. Studi precedenti hanno dimostrato che la cura sociale può essere identificata mediante l’osservazione visiva o l’annotazione manuale dei segnali di accelerazione raccolti dai sensori collegati agli animali. Tuttavia, tale etichettatura manuale richiede molto tempo e richiede conoscenze specialistiche. Per facilitare il monitoraggio su larga scala del comportamento di cura sociale nei primati selvatici, proponiamo un approccio di apprendimento automatico per l'identificazione automatica del comportamento di cura sociale dai segnali di accelerazione. Abbiamo sviluppato un set di dati di segnali di accelerazione raccolti da babbuini selvatici (_Papio anubis_), contenente oltre 100 ore di adescamento sociale e oltre 500 ore di attività di adescamento non sociale. Il set di dati è stato utilizzato per addestrare e testare una varietà di modelli di machine learning, tra cui macchine vettoriali di supporto, alberi decisionali e foreste casuali. I nostri risultati mostrano che il modello migliore, una foresta casuale, ha raggiunto una precisione del 96,2% e un punteggio F1 del 94,5% nell’identificazione degli eventi di adescamento sociale. L’approccio proposto è promettente per l’identificazione automatica e su larga scala del comportamento di cura sociale negli animali selvatici, che può contribuire alla nostra comprensione del comportamento sociale dei primati e fornire informazioni preziose per gli sforzi di conservazione e gestione.