Effects of Ocean Acidification on Learning in Coral Reef Fishes
Notice bibliographique
Résumé
Ocean acidification has the potential to cause dramatic changes in marine ecosystems. Larval damselfish exposed to concentrations of CO(2) predicted to occur in the mid- to late-century show maladaptive responses to predator cues. However, there is considerable variation both within and between species in CO(2) effects, whereby some individuals are unaffected at particular CO(2) concentrations while others show maladaptive responses to predator odour. Our goal was to test whether learning via chemical or visual information would be impaired by ocean acidification and ultimately, whether learning can mitigate the effects of ocean acidification by restoring the appropriate responses of prey to predators. Using two highly efficient and widespread mechanisms for predator learning, we compared the behaviour of pre-settlement damselfish Pomacentrus amboinensis that were exposed to 440 µatm CO(2) (current day levels) or 850 µatm CO(2), a concentration predicted to occur in the ocean before the end of this century. We found that, regardless of the method of learning, damselfish exposed to elevated CO(2) failed to learn to respond appropriately to a common predator, the dottyback, Pseudochromis fuscus. To determine whether the lack of response was due to a failure in learning or rather a short-term shift in trade-offs preventing the fish from displaying overt antipredator responses, we conditioned 440 or 700 µatm-CO(2) fish to learn to recognize a dottyback as a predator using injured conspecific cues, as in Experiment 1. When tested one day post-conditioning, CO(2) exposed fish failed to respond to predator odour. When tested 5 days post-conditioning, CO(2) exposed fish still failed to show an antipredator response to the dottyback odour, despite the fact that both control and CO(2)-treated fish responded to a general risk cue (injured conspecific cues). These results indicate that exposure to CO(2) may alter the cognitive ability of juvenile fish and render learning ineffective.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».