Can foraging behaviour reveal the eco-evolutionary dynamics of habitat selection?
Notice bibliographique
Résumé
Rationale: Adaptive behaviours, particularly those related to resource harvest and the time available for fitness-enhancing activities, may serve as suitable surrogates for fitness. Methods: I explore this potential link between behaviour and eco-evolutionary dynamics with controlled field experiments. The experiments manipulated densities of meadow voles foraging in large replicated enclosures. I used the lock-step connection between resource harvest and fitness to generate three fitness surrogates: giving-up densities from artificial resource patches, quitting-harvest rates, and time available for non-foraging behaviours that enhance fitness. Results: Per capita consumption from food trays did not change with population size. Time allocated to foraging increased with population density. Quitting-harvest rates in both safe and risky patches declined linearly with population density. The total amount of time necessary for a new individual to acquire sufficient energy for maintenance increased hyperbolically. Invasion landscapes based on the three fitness surrogates yielded the same behaviourally and evolutionarily stable strategy (ESS) of habitat selection. But the fitness benefits, subsequent convergence towards the ESS, and potential variation about the ESS, varied. Conclusions: Adaptive foraging behaviour is a reliable and rapid metric for assessing the evolutionary stability of habitat selection. This proof of concept suggests that behavioural metrics may play a prominent role in assessments of other strategies. We may even be able to use behavioural metrics to forecast ecological and evolutionary futures associated with ecological change.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».