Playing it safe? Solitary vervet monkeys (<i>Chlorocebus pygerythrus</i>) choose high‐quality foods more than those in competition
Notice bibliographique
Résumé
An important goal in foraging ecology is to determine how biotic and abiotic variables impact the foraging decisions of wild animals and how they move throughout their multidimensional landscape. However, the interaction of food quality and feeding competition on foraging decisions is largely unknown. Here we examine the importance of food quality in a patch on the foraging decisions of wild vervet monkeys (Chlorocebus pygerythrus) at Lake Nabugabo, Uganda using a multidestination platform array. The overall nutritional composition of the vervet diet was assessed and found to be low in sodium and lipids, thus we conducted a series of experimental manipulations in which the array was varied in salt and oil content. Although vervets prioritized platforms containing key nutrients (i.e., sodium and lipids) overall, we found that solitary vervets prioritized nutrient-dense platforms more strongly than competing vervets. This finding was opposite to those in a similar experiment that manipulated food site quantity, suggesting that large, salient rewards may be worth competing over but slight differences in nutritional density may be only chosen when there are no potentially negative social consequences (i.e., aggression received). We also found that vervets chose platforms baited with oil-only, and oil combined with salt, but not salt-only, suggesting that energy was an important factor in food choice. Our findings demonstrate that when wild vervets detect differences in feeding patches that reflect nutritional composition, they factor these differences into their navigational and foraging decisions. In addition, our findings suggest that these nutritional differences may be considered alongside social variables, ultimately leading to the complex strategies we observed in this study.
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 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».