Role of social interactions in dynamic patterns of resource patches and forager aggregation
Notice bibliographique
Résumé
The dynamics of resource patches and species that exploit such patches are of interest to ecologists, conservation biologists, modelers, and mathematicians. Here we consider how social interactions can create unique, evolving patterns in space and time. Whereas simple prey taxis (with consumable prey) promotes spatial uniform distributions, here we show that taxis in producer-scrounger groups can lead to pattern formation. We consider two types of foragers: those that search directly ("producers") and those that exploit other foragers to find food ("scroungers" or exploiters). We show that such groups can sustain fluctuating spatiotemporal patterns, akin to "waves of pursuit." Investigating the relative benefits to the individuals, we observed conditions under which either strategy leads to enhanced success, defined as net food consumption. Foragers that search for food directly have an advantage when food patches are localized. Those that seek aggregations of group mates do better when their ability to track group mates exceeds the foragers' food-sensing acuity. When behavioral switching or reproductive success of the strategies is included, the relative abundance of foragers and exploiters is dynamic over time, in contrast with classic models that predict stable frequencies. Our work shows the importance of considering two-way interaction--i.e., how food distribution both influences and is influenced by social foraging and aggregation of predators.
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».