Spatial scale in games of habitat selection, patch use, and sympatric speciation
Notice bibliographique
Résumé
Most organisms live in heterogeneous environments. Yet we know little about how variations in scales of heterogeneity influence decisions on patch use and habitat selection, and how they impact spatial distribution and evolution. In particular, we need to know whether the choice of habitats and patches emerges from a hierarchy of decisions, whether resource consumption correlates closely with space use, and whether different types of individuals are associated with patterns of spatial distribution. I address these knowledge gaps with field experiments that manipulated the risk and quality of foraging patches exploited by male meadow voles. I used clear versus wooden covers to create risky versus safe foraging sites and added supplemental food to create rich versus poor habitats. I assessed whether the resources harvested from each tray matched its frequency of use by groups of voles expressing different temperament scores. Habitat and patch use did not fit a simple hierarchy of decisions because animals merged space use and foraging speed in a sophisticated strategy of risk management. Giving-up densities mirrored activity densities at the scale of safe versus risky patches but not at the scale of safe versus risky or rich versus poor habitats. Voles tended to prefer one habitat over another for reasons independent of the experimental manipulations. Groups of voles with different temperament scores were not linked to foraging types but were linked to habitat preference. The bias in habitat use by different behavioural types provides a potential mechanism for the evolutionary divergence of populations occupying different habitats.
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 ».