Fixed vs. Random Temporal Predictability of Predation Risk: An Extension of the Risk Allocation Hypothesis
Notice bibliographique
Résumé
Abstract Predation is a strong selective force acting on prey animals. Predation is by nature highly variable in time; however, this aspect of predation risk has traditionally been overlooked by behavioural ecologists. Lima and Bednekoff proposed the predation risk allocation hypothesis (RAH), predicting how temporal variation in predation risk drives prey antipredator behaviours. This model is based on the concept that prey adaptively allocate their foraging and antipredator efforts across high‐ and low‐risk situations, depending on the duration of high‐ vs. low‐risk situations and the relative risk associated with each of them. An unstudied extension of the RAH is the effect of predictability of predation risk. A predictable risk should lead to prey displaying minimal vigilance behaviours during predictable low‐risk periods and the strongest antipredator behaviours during risky periods. Conversely, an unpredictable predation risk should result in prey displaying constant vigilance behaviour, with suboptimal foraging rates during periods of safety but antipredator behaviours of lower intensity during periods of risk. We tested this extension of the RAH using convict cichlids exposed to high‐risk alarm cues at two frequencies of risk (1× vs. 3×) per day, on either a fixed or random schedule for 5 d. We then tested the fish for a response to high‐risk cues (alarm cues) and to low‐risk cues (disturbance resulting from the introduction of distilled water). Our study supports previous results on the effects of risk frequency and cue intensity on cichlid behaviour. We failed to show an effect of risk predictability on the behavioural responses of cichlids to high‐risk alarm cues, but predictability did influence responses to low‐risk cues. We encourage further studies to test the effect of predictability in other systems.
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 | 0,000 |
| 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) | 0,000 | 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 ».