High background risk induces risk allocation rather than generalized neophobia in the fathead minnow
Notice bibliographique
Résumé
Abstract To cope with the heterogeneous nature of predation and the trade-off between predator avoidance and foraging, prey animals have evolved several cognitive rules. One of these is the risk allocation hypothesis, which predicts that in environments with long periods of sustained high risk, individuals should decrease their antipredator effort to satisfy their metabolic requirements. The neophobia hypothesis, in turn, predicts increased avoidance of novel cues in high-risk habitats. Despite the recent interest in predator-induced neophobia across different sensory channels, tests of such generalized neophobia are restricted to a single fish taxon, the Cichlidae. Hence, we retested the generalized neophobia hypothesis in fathead minnows Pimephales promelas, a small schooling North American cyprinid fish. From hatching onward, minnows were exposed to conspecific alarm cues, which indicate predation risk, or distilled water in a split-clutch design. After 1 month, shoaling behavior was examined prior and subsequent to a mechanical predator disturbance. Fish previously exposed to elevated background risk formed compact shoals for a shorter time interval after the stimulus compared with controls. These results contrast previous studies of generalized neophobia but match the risk allocation hypothesis. Consequently, risk allocation and generalized neophobia are not ubiquitous cognitive rules but instead evolved adaptations of different taxa to their respective 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 ».