Crime and punishment in a roaming cleanerfish
Notice bibliographique
Résumé
Cheating is common in cooperative interactions, but its occurrence can be controlled by various means ranging from rewarding cooperators to active punishment of cheaters. Punishment occurs in the mutualism involving the cleanerfish Labroides dimidiatus and its reef fish clients. When L. dimidiatus cheats, by taking scales and mucus rather than ectoparasites, wronged clients either chase or withhold further visits to the dishonest cleaner, which leads to more cooperative future interactions. Punishment of cheating L. dimidiatus may be effective largely because these cleaners are strictly site-attached, increasing the potential for repeated interactions between individual cleaners and clients. Here, we contrast the patterns of cheating and punishment in L. dimidiatus with its close relative, the less site-attached Labroides bicolor. Overall, L. bicolor had larger home ranges, cheated more often and, contrary to our prediction, were punished by cheated clients as frequently as, and not less often than, L. dimidiatus. However, adult L. bicolor, which had the largest home ranges, did not cheat more than younger conspecifics, suggesting that roaming, and hence the frequency of repeated interactions, has little influence on cheating and retaliation in cleaner-client relationships. We suggest that roaming cleaners offer the only option available to many site-attached reef fish seeking a cleaning service. This asymmetry in scope for partner choice encourages dishonesty by the partner with more options (i.e. L. bicolor), but to be cleaned by a cleaner that sometimes cheats may be a better option than not to be cleaned at all.
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 | 0,001 | 0,002 |
| 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 ».