MétaCan
Menu
Retour à la cohorte
Enregistrement W2066451979 · doi:10.1111/1365-2435.12318

Does metabolic rate predict risk‐taking behaviour? A field experiment in a wild passerine bird

2014· article· en· W2066451979 sur OpenAlexfundno aff
Kimberley J. Mathot, Marion Nicolaus, Yimen G. Araya‐Ajoy, Niels J. Dingemanse, Bart Kempenaers

Notice bibliographique

RevueFunctional Ecology · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMax-Planck-GesellschaftDeutscher Akademischer Austauschdienst
Mots-clésBiologyPasserinePredationParusPredatorBasal metabolic rateEcologyAccipiterDemography

Résumé

récupéré en direct d'OpenAlex

Summary Individuals often show consistent differences in risk‐taking behaviours; behaviours that increase resource acquisition at the expense of an increased risk of mortality. Recently, basal metabolic rate (BMR) has been suggested as a potentially important state variable underlying adaptive individual differences in a range of behaviours, including risk‐taking. We tested the relationship between BMR and risk‐taking in free‐living great tits (Parus major) using experimental manipulations of perceived predation risk. We compared the latency of individuals to return to feeders following control (human) and predator (model sparrowhawk, Accipiter nisus) disturbances at fixed feeder locations. We predicted that if variation in risk‐taking is shaped by energetic constraints, high BMR individuals should return to feeders sooner following both disturbance types and show smaller changes in risk‐taking as a function of predation danger. Higher BMR tended to be associated with lower risk‐taking following control disturbances but greater risk‐taking following predator disturbances, resulting in a significant interaction between BMR and treatment. Within‐individual changes in risk‐taking as a function of ambient temperature (a proxy for within‐individual changes in energetic constraints) mirrored these results. Lower temperatures tended to be associated with lower risk‐taking following control disturbances, but greater risk‐taking following predator disturbances, resulting in a significant interaction between temperature and treatment. The effects of BMR and temperature on variation in risk‐taking as a function of perceived predation danger were qualitatively similar, suggesting that energetic constraints play a role in shaping risk‐taking. However, the hypothesized mechanism (energetic requirements directly influence the optimal expression of risk‐taking behaviour) is insufficient to account for the observed negative relationship between energetic constraint and risk‐taking following control disturbances. We conclude that variation in risk‐taking is associated with differences in energetic constraints, including BMR and temperature, but that the relationship is context‐specific, here high vs. low perceived predation risk. Further studies are needed to elucidate potential mechanisms that could generate context‐specific relationships between energetic constraints and risk‐taking.

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)0,001
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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,226
Écart entre enseignants0,211 · 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

Citations75
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFunctional EcologyMême sujetAnimal Behavior and ReproductionTravaux en français237 207