Red squirrels mitigate costs of territory defence through social plasticity
Notice bibliographique
Résumé
Abstract For territorial species, the ability to be behaviourally plastic in response to changes in their social environment may be beneficial by allowing individuals to mitigate conflict with conspecifics and reduce the costs of territoriality. Here we investigated whether North American red squirrels ( Tamiasciurus hudsonicus ) were able to minimize costs of territory defence by adjusting behaviour in response to the familiarity of neighbouring conspecifics. Since red squirrels living in familiar neighbourhoods face reduced intrusion risk, we predicted that increasing familiarity among territorial neighbours would allow squirrels to spend less time on territorial defence and more time in the nest. Long-term behavioural data (1995-2004) collected from the same squirrels across several different social environments indicated that red squirrels reduced rates of territorial vocalizations and increased nest use in response to increasing familiarity with neighbours. In contrast, cross-sectional data (2015-2016), which provided observations from each individual in a single social environment, did not provide evidence of this plasticity. Post-hoc analyses revealed that evidence of social plasticity in this system was primarily due to within-individual changes in behaviour, which we were unable to estimate in the cross-sectional data. Our results demonstrate that red squirrels can reduce the costs of territoriality by appropriately adjusting behaviour in response to changes in their social environment. However, our results also suggest that estimating plasticity by comparing behaviour among individuals (i.e. cross-sectional analyses) may not always be reliable. Our ability to detect these effects may therefore depend on having data with multiple observations from the same individuals across different social environments.
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 | 0,000 |
| 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) | 0,001 | 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 ».