A predator's perspective of nest predation: predation by red squirrels is learned, not incidental
Notice bibliographique
Résumé
Nest predation has been used to explain aspects of avian ecology ranging from nest site selection to population declines. Many arguments rely on specific assumptions regarding how predators find nests, yet these predatory mechanisms remain largely untested. Here we combine artificial nest experiments with behavioural observations of individual red squirrels Tamiasciurus hudsonicus to differentiate between two common hypotheses: predation is incidental versus learned. Specifically, we tested: 1) whether nest survival could be explained solely by a squirrel's activity patterns or habitat use, as predicted if predation was incidental; or 2) if predation increased as a squirrel gained experience preying on a nest, as predicted if predation was learned. We also monitored squirrel activity after predation to test for evidence of two search mechanisms: area-restricted searching and use of microhabitat search images. Contrary to incidental predation and in support of learning, squirrels did not find nests faster in areas with high use (e.g. forest edges). Instead, survival of artificial nests was strongly related to a squirrel's prior experience preying on artificial nests. Experience reduced nest survival times by over half and increased predation rates by 150–200%. Squirrels returned to and doubled their activity at the site of a previously preyed on nest. However, neither area-restricted searching nor microhabitat search images can explain how squirrels located artificial nests more readily with experience. Instead, squirrels likely used cues associated with the nests or eggs themselves. Learning implies that squirrels could be increasingly effective predators as the density or profitability of nests increases. Our results add support to the view that nest predation is complex and broadly influenced (e.g. by predator experience, motivation), and is unlikely to be predicted consistently by simple relationships with predator activity, abundance or habitat.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».