MétaCan
Menu
Retour à la cohorte
Enregistrement W2131787971 · doi:10.1093/beheco/ari031

Efficient harvesting of renewing resources

2005· article· en· W2131787971 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBehavioral Ecology · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésForagingScheduleResource (disambiguation)Sample (material)Standing cropCropVariation (astronomy)BiologyEcologyComputer scienceBiomass (ecology)

Résumé

récupéré en direct d'OpenAlex

Many foraging animals return to feeding sites to harvest replenishing resources, but little is known about efficient tactics for doing this. Can animals with adequate cognitive abilities increase their efficiency by modifying their behavior according to memories of past experience at particular sites? We developed a simulation model of animals harvesting renewable resources from isolated patches in undefended, competitive situations. We compared four foraging tactics: (1) moving stochastically without using any information from past experiences (random searching); (2) moving stochastically, but going longer distances after encountering lower reward (area-restricted searching); (3) repeatedly moving along a fixed route (complete traplining); and (4) traplining, but sampling and shifting to neighboring rewarding patches after encountering low reward (sample-and-shift traplining). Following Possingham, we tracked both the resources actually harvested by a focal forager (i.e., rewards) and the standing crops of resources that accumulated at patches. Complete traplining always produces less variation in elapsed time between visits than random searching or area-restricted searching, which has three benefits: increasing the reward crop harvested, if resource renews nonlinearly; reducing resource standing crop in patches; and reducing variation in reward crop per patch. Moreover, the systematic revisitation schedule produced by complete traplining makes it more competitive, regardless of resource renewal schedule or competitor frequency. By responding to their past experiences, using sample-and-shift traplining, foragers benefit only when many patches are left unvisited in the habitat. Otherwise, the exploratory component of sample-and-shift traplining, which increases the movement distance and the variation in elapsed time between visits, makes it more costly than complete traplining. Thus, traplining will usually be beneficial, but foragers should switch between “impatient” (sample-and-shift traplining) and “tenacious” (complete traplining) traplining, according to temporal changes in surrounding situations.

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.

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 enseignants0,870
Score d'incertitude au seuil0,458

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,040
Tête enseignante GPT0,266
Écart entre enseignants0,226 · 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