MétaCan
Menu
Retour à la cohorte
Enregistrement W2039330162 · doi:10.1890/10-0199.1

The effects of opportunistic and intentional predators on the herding behavior of prey

2010· article· en· W2039330162 sur OpenAlexafffund
Ross Cressman, József Garay

Notice bibliographique

RevueEcology · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPredationHerdingPredatorHerdHerd behaviorEcologyBiologyGeography

Résumé

récupéré en direct d'OpenAlex

In this article, we study how predator behavior influences the aggregation of prey into herds. Game-theoretic models of herd formation are developed based on different survival probabilities of solitary prey and prey that join the herd and on the predator's preference of what type of prey to search for. For an intentional predator that will only pursue its preferred type of prey, a single herd with no solitaries cannot emerge unless the herd acts as a prey refuge. If neither prey choice provides a refuge, it is shown that an equilibrium always exists where there are both types of prey and the predator does not always search for the same type of prey (i.e., a mixed equilibrium exists). On the other hand, if the predator is opportunistic in that it sometimes shifts to pursue the type of prey that is observed first, there may be a single herd equilibrium that does not act as a prey refuge when there is a high level of opportunistic behavior. For low opportunistic levels, a mixed equilibrium is again the only outcome. The evolutionary stability of each equilibrium is tested to see if it predicts the eventual herding behavior of prey in its corresponding model. Our analysis confirms that both predator and prey preferences (for herd or solitary) have strong effects on why prey aggregate. In particular, in our models, only the opportunistic predator can maintain all prey in a single herd that is under predation risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,919
Score d'incertitude au seuil0,249

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,280
Écart entre enseignants0,268 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations30
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207