Generalization of learned predator recognition in coral reef ecosystems: how cautious are damselfish?
Notice bibliographique
Résumé
Summary Learned predator recognition provides animals with an adaptive mechanism to rapidly adapt to current levels of predation risk. Prey may be able to reduce the cost associated with learning if they can use information learned about known predators to respond to cues from closely related predators with which they are unfamiliar. The capacity of prey to generalize recognition and distinguish between novel predators and non‐predators is poorly understood, particularly in species‐diverse communities with many closely related predators and non‐predators. Lemon damselfish, Pomacentrus moluccensis , conditioned to recognize the odour of a predatory moon wrasse, Thalassoma lunare , as a risky stimulus, were subsequently tested for their response to T. lunare and a range of closely related predators and non‐predators from within the Labridae family, a distantly related non‐predator and a saltwater control. Pomacentrus moluccensis displayed antipredator responses not only to T. lunare odour, but also generalized their recognition to congeneric T. amblycephalum and T. hardwicke odours. Recognition was not extended to other species within (Labridae; Coris batuensis and Halichoeres melanurus ) or beyond (Pseudochromidae; Pseudochromis fuscus) the family. Individuals could not distinguish between the predator T. hardwicke and non‐predator T. amblycephalum when generalizing their recognition to congeneric species based on chemosensory assessment alone. Our results demonstrate that reef fishes may limit their generalization to congeneric species only, and may be unable to distinguish between predators and non‐predators using chemosensory cues. Recognition patterns may result from uncertainties in predicting the identities of predators in species‐diverse communities.
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) | 0,002 | 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 ».