Effects of seed quality and abundance on the foraging behavior of deer mice
Notice bibliographique
Résumé
Seeds are an important food resource for many rodents, but the decision to consume or cache seeds when they are encountered can be influenced by numerous factors such as their abundance, nutritional value, and plant secondary compound (PSC) contents. Although previous studies on rodent foraging behaviors have focused on the effects of specific seed characteristics, the combined impact of seed quality and abundance is unclear. Here, we used artificial food patches in the field to examine the foraging behaviors of deer mice (Peromyscus maniculatus) in response to varying abundances of high- and low-nutritional-quality conifer seeds. We also used a variant of giving-up densities to assess mouse perception of the quality of seeds in patches. Mice treated white spruce (Picea glauca) seeds as a high-quality food source in the field, whereas subalpine fir (Abies lasiocarpa) seeds were treated as low quality, corresponding to their nutrient and PSC contents. Observations of foraging behaviors showed a strong interaction between seed abundance and quality on foraging decisions. Caching, but not consumption, rates of spruce seeds varied with seed abundance, but abundance did not influence the frequency or nature of use of fir seeds, which were mostly ignored. High abundance did not confer any value to fir seeds, and even when exaggeratedly abundant relative to naturally available seed densities, mice almost completely disregarded these low-quality seeds as a valuable resource for both current and future use. Our results highlight the relative importance of seed quality in this foraging interaction.
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) | 0,000 | 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 ».