Within-group relatedness can lead to higher levels of exploitation: a model and empirical test
Notice bibliographique
Résumé
When animals live in groups, individuals can invest in resources themselves or exploit the investments of other group members. Grouping with kin may reduce the frequency of exploitation because kin selection should favor individuals that imposed fewer costs on their kin. However, taking into account the gains of the exploited individual, allowing kin to exploit one's efforts may be less costly than allowing exploitation from nonkin. In this case, there may be higher frequencies of exploitative behaviors among related than unrelated individuals. In order to understand the net effect of genetic relatedness on intragroup exploitation, we developed a model that considers the inclusive fitness consequences of “producing” (searching for food) and “scrounging” (exploiting the food discoveries of others) when foraging with relatives, while simultaneously allowing individuals to show differential tolerance toward scrounging by kin versus nonkin. The model predicts that increased relatedness can lead to higher levels of exploitation when producers are kin-selected to be more tolerant of scrounging from relatives compared with unrelated scroungers, for example, by being more aggressive toward nonkin. We tested this prediction empirically in captive zebra finches (Taeniopygia guttata) foraging either in flocks with full siblings or in flocks of unrelated individuals. Flocks of related zebra finches had higher frequencies of scrounging and lower levels of aggressive interactions compared with flocks of unrelated zebra finches. The results suggest that producers may be kin-selected to allow relatives to scrounge.
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 ».