State‐dependent risk‐taking by predators in systems with defended prey
Notice bibliographique
Résumé
Even defended prey items may contain nutrients that can sustain predators in times of energetic need. Conversely, a well‐fed predator might be expected to avoid attacking prey items that have a chance of being defended, particularly if there is an abundance of familiar palatable prey to support it. To further understand the implications of optimal state‐dependent foraging behaviour by predators in systems that contain defended prey, I developed a stochastic dynamic programming model. This state‐dependent approach formally accounts for the trade‐off between avoiding starvation and minimising harm from attacking defended prey. It predicts that the mean attack probability of predators on defended models and their undefended mimics should decline in a sigmoidal fashion with increasing availability of alternative undefended prey, and that the foraging decisions of predators should in general be relatively insensitive to the probability that a potentially defended prey item is indeed defended. Some implications of these predictions are that conspicuous warning signals are more likely to evolve in systems that contain an abundance of alternative undefended prey, and that imperfect mimicry will provide almost complete protection to the mimic when predators are readily supported by alternative food sources. Somewhat surprisingly, increasing the density of nutritious undefended mimics while keeping the densities of all other prey types constant tended to decrease the attack rates of predators on encounter with mimics and their defended models. This increase in dietary conservatism arose because in these cases there would be more prey available to sustain the predator if it ever found itself critically low in energy.
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 ».