Quiet violence: Savannah Sparrows respond to playback‐simulated rivals using low‐amplitude songs as aggressive signals
Notice bibliographique
Résumé
Abstract When animals compete over resources such as breeding territories, they often use signals to communicate their aggressive intentions. By studying which signals are associated with aggressive interactions, we gain a deeper appreciation of animal behaviour. We studied aggressive signalling in male Savannah Sparrows, Passerculus sandwichensis, focusing on signals that precede physical attack against territorial intruders. We simulated intruders using song playback and taxidermic models, and we determined which behaviours were associated with physical attack. Previous studies that have used this approach suggest that many species produce songs of dramatically lower amplitude, or “soft songs,” as signals of aggressive intention. Savannah Sparrows, however, are not known to produce soft songs, and therefore, they provided an interesting system for testing signals that predict attack. Of 93 playback subjects, 23 males attacked the simulated intruder and 70 did not. To our surprise, Savannah Sparrows produced soft songs, and the number of soft songs was a significant predictor of attack on the simulated intruder. Birds also showed a nonsignificant tendency to produce more “chip” calls prior to attack on the simulated intruder, whereas three other measured behaviours (aggressive calls, wing waving and passes over the model) did not predict attack. Our study contributes to the growing body of research on aggressive territorial signals and reveals that soft song is an even more widespread signal of aggression in songbirds than previously recognized.
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 ».