Cognition and covariance in the producer–scrounger game
Notice bibliographique
Résumé
The producer-scrounger game is a key element of foraging ecology in many systems. Producing and scrounging typically covary negatively, but partitioning this covariance into contributions of individual plasticity and consistent between individual differences is key to understanding population-level consequences of foraging strategies. Furthermore, little is known about the role cognition plays in the producer-scrounger game. We investigated the role of cognition in these alternative foraging tactics in wild mixed-species flocks of great tits and blue tits, using a production learning task in which we measured individuals' speed of learning to visit the single feeder in an array that would provide them with a food reward. We also quantified the proportion of individuals' feeds that were scrounges ('proportion scrounged'); scrounging was possible if individuals visited immediately after a previous rewarded visitor. Three learning experiments-initial and two reversal learning-enabled us to estimate the repeatability and covariance of each foraging behaviour. First, we examined whether individuals learned to improve their scrounging success (i.e. whether they obtained food by scrounging when there was an opportunity to do so). Second, we quantified the repeatability of proportion scrounged, and asked whether proportion scrounged affected production learning speed among individuals. Third, we used multivariate analyses to partition within- and among-individual components of covariance between proportion scrounged and production learning speed. Individuals improved their scrounging success over time. Birds with a greater proportion scrounged took longer to learn their own rewarding feeder. Although multivariate analyses showed that covariance between proportion scrounged and learning speed was driven primarily by within-individual variation, that is, by behavioural plasticity, among-individual differences also played a role for blue tits. This is the first demonstration of a cognitive trait influencing producing and scrounging in the same wild system, highlighting the importance of cognition in the use of alternative resource acquisition tactics. The results of our covariance analyses suggest the potential for genetic differences in allocation to alternative foraging tactics, which are likely species- and system-dependent. They also point to the need to control for different foraging tactics when studying individual cognition in the wild.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».