Mixed company: a framework for understanding the composition and organization of mixed‐species animal groups
Notice bibliographique
Résumé
Mixed-species animal groups (MSGs) are widely acknowledged to increase predator avoidance and foraging efficiency, among other benefits, and thereby increase participants' fitness. Diversity in MSG composition ranges from two to 70 species of very similar or completely different phenotypes. Yet consistency in organization is also observable in that one or a few species usually have disproportionate importance for MSG formation and/or maintenance. We propose a two-dimensional framework for understanding this diversity and consistency, concentrating on the types of interactions possible between two individuals, usually of different species. One axis represents the similarity of benefit types traded between the individuals, while the second axis expresses asymmetry in the relative amount of benefits/costs accrued. Considering benefit types, one extreme represents the case of single-species groups wherein all individuals obtain the same supplementary, group-size-related benefits, and the other extreme comprises associations of very different, but complementary species (e.g. one partner creates access to food while the other provides vigilance). The relevance of social information and the matching of activities (e.g. speed of movement) are highest for relationships on the supplementary side of this axis, but so is competition; relationships between species will occur at points along this gradient where the benefits outweigh the costs. Considering benefit amounts given or received, extreme asymmetry occurs when one species is exclusively a benefit provider and the other a benefit user. Within this parameter space, some MSG systems are constrained to one kind of interaction, such as shoals of fish of similar species or leader-follower interactions in fish and other taxa. Other MSGs, such as terrestrial bird flocks, can simultaneously include a variety of supplementary and complementary interactions. We review the benefits that species obtain across the diversity of MSG types, and argue that the degree and nature of asymmetry between benefit providers and users should be measured and not just assumed. We then discuss evolutionary shifts in MSG types, focusing on drivers towards similarity in group composition, and selection on benefit providers to enhance the benefits they can receive from other species. Finally, we conclude by considering how individual and collective behaviour in MSGs may influence both the structure and processes of communities.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».