MétaCan
Menu
Retour à la cohorte
Enregistrement W2977303494 · doi:10.1111/eth.12956

The cost of aggression in an animal without weapons

2019· article· en· W2977303494 sur OpenAlexaff
Xiaomeng Guo, Reuven Dukas

Notice bibliographique

RevueEthology · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForensic Entomology and Diptera Studies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAggressionSurvivorship curvePoison controlPsychologyBiologySocial psychologyMedicineMedical emergency

Résumé

récupéré en direct d'OpenAlex

Abstract To understand the prevalence and conditional use of aggression among animals, one has to know its costs and benefits. The obvious cost of aggression in animals that possess teeth, claws or other specialized weaponry is injury. Many species, however, do not have such body parts and thus cannot readily injure others. The cost of aggression in these animals is not well studied. We tested whether aggression has a fitness cost in fruit flies, which can serve as a model species for animals without weapons that engage in aggression. In three experiments employing distinct protocols, we allowed focal flies to fight for control of an attractive food patch over 4 days and then compared their survivorship to that of flies not engaged in conflict. In all three experiments, fly survivorship was lower in the aggression than no‐aggression treatments. Microscopic examination revealed no differences in wing damage between flies of the aggression and no‐aggression treatments. The two most likely, non‐mutually exclusive explanations for lower survivorship post‐fighting are physiological changes due to stress, and metabolic alterations associated with a life‐history strategy optimized for high‐conflict settings.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,108

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,293
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEthologyMême sujetForensic Entomology and Diptera StudiesTravaux en français237 207