MétaCan
Menu
Retour à la cohorte
Enregistrement W2102134916 · doi:10.1111/j.0030-1299.2008.16274.x

Many eyes or many ewes: vigilance tactics in female bighorn sheep <i>Ovis canadensis</i> vary according to reproductive status

2008· article· en· W2102134916 sur OpenAlexafffund
Guillaume Rieucau, Julien G. A. Martin

Notice bibliographique

RevueOikos · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversité du Québec à Montréal
Mots-clésVigilance (psychology)OvisOvis canadensisBiologyPredationPredatorReproductive successBovidaeZoologyEcologyDemographyPopulation

Résumé

récupéré en direct d'OpenAlex

In gregarious animals, there is usually a negative relationship between individual vigilance and group size. This effect of group size is generally explained by increasing probability of predator detection (the many‐eyes hypothesis) and by the dilution of risk occurring in larger groups. Few studies have attempted to examine the specific implications of either hypothesis on the expected vigilance pattern of an animal. Here we examine whether reproductive status affects vigilance patterns in bighorn sheep Ovis canadensis ewes. We also test whether the observed vigilance patterns are consistent with predictions from dilution or detection models of vigilance. Although vigilance decreased with increasing group size, vigilance tactics differed between barren and lactating females. Lactating ewes relied solely on predator detection. In contrast, barren ewes benefited from both detection and dilution effects when group size increased and adjusted vigilance effort according to the proportion of lactating ewes in their group. It is generally assumed that gregariousness increases safety. Here we further show that reproductive status influenced how animals reduce predation risk and that some individuals take advantage of the vigilance effort provided by others.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,492
Score d'incertitude au seuil0,784

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,262
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOikosMême sujetAnimal Behavior and ReproductionTravaux en français237 207