Perception of Human-Derived Risk Influences Choice at Top of the Food Chain
Notice bibliographique
Résumé
On human-used landscapes, animal behavior is a trade-off between maximizing fitness and minimizing human-derived risk. Understanding risk perception in wildlife can allow mitigation of anthropogenic risk, with benefits to long-term animal fitness. Areas where animals choose to rest should minimize risk from predators, which for large carnivores typically equate to humans. We hypothesize that high human activity leads to selection for habitat security, whereas low activity enables trading security for forage. We investigated selection of resting (bedding) sites by GPS radiocollared adult grizzly bears (n = 10) in a low density population on a multiple-use landscape in Canada. We compared security and foods at resting and random locations while accounting for land use, season, and time of day. On reclaimed mines with low human access, bears selected high horizontal cover far from trails, but did not avoid open (herbaceous) areas, resting primarily at night. In protected areas bears also bedded at night, in areas with berry shrubs and Hedysarum spp., with horizontal cover selected in the summer, during high human access. On public lands with substantial human recreation, bears bedded at day, selected resting sites with high horizontal cover in the summer and habitat edges, with bedding associated with herbaceous foods. These spatial and temporal patterns of selection suggest that bears perceive human-related risk differentially in relation to human activity level, season and time of day, and employ a security-food trade-off strategy. Although grizzly bears are presently not hunted in Alberta, their perceived risks associated with humans influence resting-site selection.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».