The Effects of Density on the Learned Recognition of Heterospecific Alarm Cues
Notice bibliographique
Résumé
Abstract Numerous species, both aquatic and terrestrial, use alarm cues to mediate predation risk. These cues may be either intentionally or inadvertently released, and may be received by either conspecifics or heterospecifics. In aquatic systems, alarm cues are often chemical in nature and are released when an organism is disturbed or damaged by a predator. In some cases the recognition of alarm cues from conspecifics, or closely related heterospecifics, is innate, while the recognition of alarm cues from distantly related species must be learned. Many studies have documented the use of heterospecific alarm cues, but few have explored the manner in which these cues come to be recognized as an indication of predation. In the current study, we examined the fathead minnow ( Pimephales promelas )/brook stickleback ( Culaea inconstans ) alarm system. We tested the effect of density on the ability of minnows to learn to recognize stickleback alarm cues as a threat. We hypothesized that the ability of minnows to learn to recognize stickleback alarm cues should increase with increasing stickleback density because there would be more opportunity for minnows to associate the heterospecific alarm cue with the threat. To test this hypothesis we stocked minnows into large outdoor pools with no stickleback, low numbers of stickleback, or high numbers of stickleback. All pools contained a predator (pike, Esox lucius ) known to the minnows. Following a 14 d conditioning period, minnows were tested for a response to skin extract from stickleback, minnow, and an unknown heterospecific (swordtail, Xiphophorus helleri ). Minnows from pools with large numbers of stickleback learned to respond to stickleback alarm cues while minnows from pools with low numbers of stickleback, or no stickleback, did not.
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) | 0,000 | 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 ».