MétaCan
Menu
Retour à la cohorte
Enregistrement W2150089899 · doi:10.1093/beheco/arm073

Dilution games: use of protective cover can cause a reduction in vigilance for prey in groups

2007· article· en· W2150089899 sur OpenAlexaff
Guy Beauchamp, Graeme D. Ruxton

Notice bibliographique

RevueBehavioral Ecology · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésVigilance (psychology)PredationBiologyPredatorEcology

Résumé

récupéré en direct d'OpenAlex

Antipredatory vigilance usually decreases in groups. The generally accepted “collective detection” explanation implies that because there are more eyes to scan the surroundings for predators, individuals in a group can lower their personal investment in vigilance without increasing their predation risk. The role of other factors, such as numerical risk dilution caused by the mere presence of companions, has been neglected. In a model, we explore a dilution game when foragers in groups have access to protective cover. We show that foragers can take advantage of risk dilution and that this leads to changes in vigilance with group size without the need to invoke collective detection. We identify a cost to maintaining high levels of vigilance as less vigilant foragers gather food faster and so depart the group sooner (to reach cover) leaving more vulnerable stragglers behind. In groups, there is a scramble to reach safe sites that can induce a reduction in vigilance levels. Such a mechanism operates less forcefully in large groups because individuals in these groups are less vulnerable to the departure of an individual. We also demonstrate that individuals should adopt lower levels of vigilance, to reach safe sites sooner, when predator evasion is compromised or when the rate of food intake is high. The model provides new insights into the mechanisms underlying changes in vigilance with group size in animals.

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 enseignants0,525
Score d'incertitude au seuil0,985

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 Opus0,068
Tête enseignante GPT0,301
Écart entre enseignants0,233 · 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

Citations14
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioral EcologyMême sujetAnimal Behavior and ReproductionTravaux en français237 207