The Adaptive Significance of Flash Behavior: A Bayesian Model
Notice bibliographique
Résumé
Some cryptic animals have conspicuous color patches that are displayed when they move. This “flash behavior” may serve several functions, but perhaps the most widely invoked explanation is that the display makes it harder for the signaler to be found by predators once it has settled. There is now some experimental evidence that flash behavior while fleeing can enhance the survivorship of prey in the manner proposed. However, to date there has been no explicit mathematical model to help understand the way in which flash displays might interfere with the search process of predators. Here we apply Bayesian search theory to show that the higher the conspicuousness of a prey item, the sooner a predator should give up searching for it in an area where it appears to have settled, although the relationship is not always monotonically decreasing. Thus, fleeing prey that give the impression of being conspicuous will tend to survive at a higher rate than prey seen to flee in their cryptic state, since predators search for flashing prey for an inappropriately short period of time. The model is readily parameterized and makes several intuitive predictions including: (1) the more confident a predator is that a prey item has settled in a given area, the longer it will search there, (2) the more conspicuous the flash display, the greater its effect in reducing predation, (3) flash behavior will especially benefit those prey with an intermediate level of crypsis when at rest, and (4) the success of flash displays depends on the predator being uncertain of the prey’s resting appearance. We evaluate the empirical evidence for these predictions and discuss how the model might be further developed, including the incorporation of mimicry which would maintain the deception indefinitely.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».