Human-caused Disturbance Stimuli as a Form of Predation Risk
Notice bibliographique
Résumé
A growing number of studies quantify the impact of nonlethal human disturbance on the behavior and reproductive success of animals. Athough many are well designed and analytically sophisticated, most lack a theoretical framework for making predictions and for understanding why particular responses occur. Behavioral ecologists have recently begun to fill this theoretical vacuum by applying economic models of antipredator behavior to disturbance studies. In this emerging paradigm, predation and nonlethal disturbance stimuli create similar trade-offs between avoiding perceived risk and other fitness-enhancing activities, such as feeding, parental care, or mating. A vast literature supports the hypothesis that antipredator behavior has a cost to other activities, and that this trade-off is optimized when investment in antipredator behavior tracks short-term changes in predation risk. Prey have evolved antipredator responses to generalized threatening stimuli, such as loud noises and rapidly approaching objects. Thus, when encountering disturbance stimuli ranging from the dramatic, low-flying helicopter to the quiet wildlife photographer, animal responses are likely to follow the same economic principles used by prey encountering predators. Some authors have argued that, similar to predation risk, disturbance stimuli can indirectly affect fitness and population dynamics via the energetic and lost opportunity costs of risk avoidance. We elaborate on this argument by discussing why, from an evolutionary perspective, disturbance stimuli should be analogous to predation risk. We then consider disturbance effects on the behavior of individuals - vigilance, fleeing, habitat selection, mating displays, and parental investment - as well as indirect effects on populations and communities. A wider application of predation risk theory to disturbance studies should increase the generality of predictions and make mitigation more effective without over-regulating human activities.
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 | 0,002 |
| 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 | 0,002 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».