The effects of background risk on behavioural lateralization in a coral reef fish
Notice bibliographique
Résumé
Summary Behavioural lateralization – the preferential use of one side of the body or either of the bilateral organs or limbs – has been well documented in many species, in a number of contexts. While the benefits reported are numerous, existing latent variability in the degree of lateralization within and across populations, species and taxa indicates that existing costs may modulate its expression. Few studies have reported changes in the degree of lateralization at the individual level, in response to long‐term changes in environmental conditions, but not in response to short‐term changes in environmental conditions. Predation is highly variable both temporally and spatially and hence is a good candidate for testing lateralization effects based on short‐term changes in environmental conditions. Here, we tested the hypothesis that the degree of behavioural lateralization changes following short‐term exposure to different levels of risk. We tested whether wild‐caught juvenile damselfish exposed to a high or low background level of risk for 4 days would subsequently differ in their turning bias, a trait that has been linked to predator escape behaviour in fishes. We found that 4 days is enough to induce a difference in the absolute lateralization scores of the fish, with high‐risk fish being more strongly lateralized than low‐risk fish. Practically, this difference stemmed from decreasing lateralization scores for newly recruiting coral reef fishes that were kept in low‐risk environments, with the concurrent maintenance of higher lateralization scores for fish maintained under high‐risk conditions. Fish from the high‐risk background had higher survival than those from the low‐risk background upon release into mesocosms containing reef predators. Our study highlights how early exposure to differential predation risk affects the degree of behavioural lateralization. Given the profound effects of lateralization on many aspects of an animal's life from its ability to discriminate conspecifics to how it forages and interacts during agonistic interactions, predation risk may be a key driver of animal development.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».