Learning from the mistakes of others: How female elk (Cervus elaphus) adjust behaviour with age to avoid hunters
Notice bibliographique
Résumé
In animal behaviour, there is a dichotomy between innate behaviours (e.g., temperament or personality traits) versus those behaviours shaped by learning. Innate personality traits are supposedly less evident in animals when confounded by learning acquired with experience through time. Learning might play a key role in the development and adoption of successful anti-predator strategies, and the related adaptation has the potential to make animals that are more experienced less vulnerable to predation. We carried out a study in a system involving a large herbivorous mammal, female elk, Cervus elaphus, and their primary predator, i.e., human hunters. Using fine-scale satellite telemetry relocations, we tested whether differences in behaviour depending on age were due solely to selection pressure imposed by human hunters, meaning that females that were more cautious were more likely to survive and become older. Or whether learning also was involved, meaning that females adjusted their behaviour as they aged. Our results indicated that both human selection and learning contributed to the adoption of more cautious behavioural strategies in older females. Whereas human selection of behavioural traits has been shown in our previous research, we here provide evidence of additive learning processes being responsible for shaping the behaviour of individuals in this population. Female elk are indeed almost invulnerable to human hunters when older than 9-10 y.o., confirming that experience contributes to their survival. Female elk monitored in our study showed individually changing behaviours and clear adaptation as they aged, such as reduced movement rates (decreased likelihood of encountering human hunters), and increased use of secure areas (forest and steeper terrain), especially when close to roads. We also found that elk adjusted behaviours depending on the type of threat (bow and arrow vs. rifle hunters). This fine-tuning by elk to avoid hunters, rather than just becoming more cautious during the hunting season, highlights the behavioural plasticity of this species. Selection on behavioural traits and/or behavioural shifts via learning are an important but often-ignored consequence of human exploitation of wild animals. Such information is a critical component of the effects of human exploitation of wildlife populations with implications for improving their management and conservation.
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 | 0,001 |
| 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) | 0,001 | 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 ».