Behavioural transition probabilities in dugongs change with habitat and predator presence: implications for sirenian conservation
Notice bibliographique
Résumé
Although not widely appreciated, prey can manage predation risk by modifying the sequence of their behavioural states. We explored this phenomenon in dugongs (Dugong dugon) subject to spatially and temporally variable risk of tiger shark (Galeocerdo cuvier) predation in Shark Bay, Australia. Dugong behaviour was assayed using focal follows and organised into sequences of foraging, resting, and travelling bouts. We used log-linear analysis to test for sequence differences in relation to habitat (deep, shallow) and predation danger (sharks present, largely absent). Dugongs modified their behavioural sequences between periods of high and low shark abundance: those at risk alternated more frequently between foraging, which constrains anti-predator vigilance, and travelling, which facilitates predator detection. Dugongs also avoided continuous series of resting bouts, during which awareness is reduced, when sharks were present. These changes were only observed in relatively dangerous shallow habitat, which is hunted disproportionately by tiger sharks; behavioural responses to sharks in deep habitat were modest. We conclude that dugongs in risky habitat resort to safer behavioural sequences in response to sharks. Given that human disturbance and predators are perceived similarly by many species, some forms of vessel interaction could compromise the fitness of sirenians by eliciting similar behavioural adjustment.
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 | 0,001 | 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 ».