Does local feeding specialization exist in Eurasian badgers?
Notice bibliographique
Résumé
Several local populations of the otherwise trophic-generalist Eurasian badger (Meles meles) have been defined as specializing locally on temporally variable food resources such as earthworms (Lumbricus spp.), olive fruits (Olea europaea), or young rabbits (Oryctolagus cuniculus), owing to a lack of correlation between resource availability and use. However, theoretical models predict that temporal variation in resources reduces the probability of diet specialization. To understand the relationship between temporal resource variability and local feeding specialization, we studied temporal variation in diet composition and diversity (using fecal analysis), the availability of a temporally stable key resource, and the relation between consumption and availability of rabbits (key prey) and invertebrates (secondary prey) for a badger population previously described as specialized on young rabbits. We found strong variations in the use of different resources (including young rabbits) and in diet diversity among seasons and years. The main food resource was young rabbits during winter and spring, fruits in autumn, and reptiles in summer. Diet diversity was inversely related to consumption of young rabbits and directly related to consumption of secondary prey (invertebrates). Consumption of rabbits (both young and adults) was correlated with their abundance in the field, with a type 3 functional response in the consumption of young rabbits, which is typical of a generalist to whom alternative prey are available. There was no relationship between the abundance of invertebrates and their consumption. Our results show that badgers in the study area were not locally specialized, therefore care should be taken when referring to a population as specialized without an adequate test of the predictions.
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 | 0,000 |
| 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) | 0,007 | 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 ».