MétaCan
Menu
Retour à la cohorte
Enregistrement W1992002068 · doi:10.1080/03632415.2013.750133

Adaptive Forgetting: Why Predator Recognition Training Might Not Enhance Poststocking Survival

2013· article· en· W1992002068 sur OpenAlexafffund
G. E. Brown, Maud C. O. Ferrari, Douglas P. Chivers

Notice bibliographique

RevueFisheries · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensUniversity of SaskatchewanConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConcordia UniversityUniversity of Saskatchewan
Mots-clésForgettingPredatorTraining (meteorology)Survival of the fittestComputer sciencePsychologyArtificial intelligenceBiologyCognitive psychologyEcologyGeographyEvolutionary biologyPredation

Résumé

récupéré en direct d'OpenAlex

Abstract The success of current fish restocking efforts is often hampered by poor poststocking survival of hatchery-reared juveniles. As a result of hatchery selection, combined with a lack of ecologically relevant experience, hatchery-reared fishes often fail to recognize and respond to potential predators following stocking into natural waterways. One commonly proposed method to enhance potential poststocking survival is to condition hatchery-reared fishes to recognize predators prior to stocking. However, despite a wealth of laboratory and field studies demonstrating predator recognition learning in fishes, only a handful of studies have attempted to assess potential poststocking benefits, and these suggest mixed results. Our goal is to highlight possible causes of this apparent contradiction. A survey of the behavioral ecology literature highlights the exceptional degree of sophistication of predator recognition learning among prey fishes. Moreover, an emerging body of literature suggests that how long prey retain learned predator recognition is as important as what prey learn. This highly plastic retention (memory window) may confer adaptive benefits under variable conditions. Hatchery selection may result in phenotypes leading to reduced learning and/or retention of learned information. We conclude by proposing several avenues of investigation aimed at improving the success of prestocking conditioning paradigms. RESUMEN El éxito de los esfuerzos de repoblamiento de peces suele disminuir debido a condiciones desfavorables para la supervivencia de juveniles, provenientes de cultivo, tras prácticas de repoblamiento. Como resultado de la selección en cultivo, en combinación con la falta de experiencia en temas de ecología, los peces de cultivo a veces fallan en reconocer y responder potenciales depredadores después de haber sido introducidos, con fines de repoblamiento, a cuerpos de agua. Un método comúnmente propuesto para aumentar la supervivencia post-repoblamiento es condicionar a los juveniles de peces cultivados a que reconozcan a sus depredadores antes de la translocación. Sin embargo, pese al buen equipamiento de los laboratorios y a los trabajos en campo que demuestran la capacidad de aprendizaje de los peces para reconocer depredadores, solo unos pocos estudios se han enfocado en evaluar los beneficios potenciales post-repoblamiento y dichos estudios muestran resultados encontrados. Nuestro objetivo es subrayar las posibles causas de esta aparente contradicción. Un sondeo bibliográfico acerca de ecología conductual destaca la extraordinaria sofisticación del proceso de aprendizaje en peces para reconocer a sus depredadores. No obstante, otra parte de la literatura reciente sugiere que el tiempo que los peces retienen el patrón de reconocimiento del depredador es igualmente importante que lo aprendido por el individuo. Esta retención altamente flexible (ventana de memoria) puede conferir beneficios adaptativos ante condiciones variables. La selección mediante el cultivo puede resultar en fenotipos caracterizados por una reducida capacidad y/o poca retención de la información aprendida. Concluimos proponiendo distintas líneas de investigación cuyo propósito es aumentar el éxito del acondicionamiento previo al repoblamiento.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,230
Écart entre enseignants0,156 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFisheriesMême sujetAnimal Behavior and ReproductionTravaux en français237 207