The Personality Behind Cheating: Behavioural Types and the Feeding Ecology of Cleaner Fish
Notice bibliographique
Résumé
Abstract The complex mutualistic relationship between the cleaner fish ( Labroides dimidiatus ) and their ‘clients’ in many reef systems throughout the world has been the subject of debate and research interest for decades. Game‐theory models have long struggled with explaining how the mixed strategies of cheating and honesty might have evolved in such a system and while significant efforts have been made theoretically, demonstrating the nature of this relationship empirically remains an important research challenge. Using the experimental framework of behavioural syndromes, we sought to quantitatively assess the relationship between personality and the feeding ecology of cleaner fish to provide novel insights into the underlying mechanistic basis of cheating in cleaner‐client interactions. First, we observed and filmed cleaner fish interactions with heterospecifics, movement patterns and general feeding ecology in the wild. We then captured and measured all focal individuals and tested them for individual consistency in measures of activity, exploration and risk taking (boldness) in the laboratory. Our results suggest a syndrome incorporating aspects of personality and foraging effort are central components of the behavioural ecology of L. dimidiatus on the Great Barrier Reef. We found that individuals that exhibited greater feeding effort tended to cheat proportionately less and move over smaller distances relative to bolder more active, exploratory individuals. Our study demonstrates for the first time that individual differences in personality might be mechanistically involved in explaining how the mixed strategies of cheating and honesty persist in cleaner fish mutualisms.
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 | 0,001 | 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 | 0,001 |
| 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 ».