Background Predation Risk and Learned Predator Recognition in Convict Cichlids: Does Risk Allocation Constrain Learning?
Notice bibliographique
Résumé
Abstract Exposure to elevated levels of background predation risk is known to shape the behavioural response of prey organisms to known and unknown predation threats. However, less is known regarding the effects of background predation risk on predator recognition learning. Here, we test the potential effects of elevated background predation risk on the strength and retention of learned predator recognition in juvenile convict cichlids ( Amatitlania nigrofasciata ). In a series of laboratory trials, we exposed shoals of juvenile cichlids to conditions of elevated (vs. low) levels of background risk and then conditioned them to recognize a novel predator odour (rainbow trout, Oncorhynchus mykiss ). The results of our first experiment demonstrate that despite showing reduced response intensities during initial conditioning (due to risk allocation), conditioned cichlids from high vs. low background risk show similar intensities of learned recognition when tested 24 h post‐conditioning. Moreover, elevated levels of background risk induced a predator avoidance response among unconditioned cichlids (due to induced neophobia). Our second experiment demonstrates that while we find no difference in the strength of learning when tested 24 h post‐conditioning, retention of acquired recognition is enhanced among cichlids from the high background predation risk treatment. Together, our results highlight the complex interacting effects past experience plays in shaping the response to acute predation threats.
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 ».