MétaCan
Menu
Retour à la cohorte
Enregistrement W4309729769 · doi:10.1002/ecy.3928

Optimal prey switching: Predator foraging costs provide a mechanism for functional responses in multi‐prey systems

2022· review· en· W4309729769 sur OpenAlexafffund
Christina M. Prokopenko, Tal Avgar, Adam T. Ford, Eric Vander Wal

Notice bibliographique

RevueEcology · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaMemorial University of Newfoundland
Organismes subventionnairesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésForagingPredationPredatorFunctional responseOptimal foraging theoryGeneralist and specialist speciesEcologyBiologyContext (archaeology)Habitat

Résumé

récupéré en direct d'OpenAlex

Foragers must balance the costs and gains inherent in the pursuit of their next meal. Classical functional response formulations describe consumption rates driven by prey density and are naive to predator foraging costs. Here, we integrated foraging costs into functional responses to add mechanism and precision to foundational ideas. Specifically, using a model system with a single predator and two prey, we express a functional response emerging from variable energy and time costs of each predation phase: searching, attacking, or consuming prey. The utility of our model is explored through a focused example where prey can exert variable influence on predator foraging costs through antipredator traits. Dissimilarity between prey in their foraging costs influence the energy gain rate of the predator through optimal prey switching. We found that a small subset of prey antipredator traits and density conditions generated a stabilizing Type III (sigmoidal) functional response-the pattern often thought to typify a generalist predator switching between prey species. The sigmoid functional response occurred for highly profitable prey only when the costly prey (1) were at a high density and (2) their antipredator traits increased energy or time costs following an encounter. We outline testable predictions regarding foraging costs from our model. We provide guidance on how to apply optimal foraging theory to empirical scenarios where predator foraging costs vary due to prey type, predator type, or environmental conditions. Our framework represents a synergy of foundational and contemporary theory across disciplines, facilitating the discovery of shared principles and context-dependent variation across varied predator-prey systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,053
Tête enseignante GPT0,310
Écart entre enseignants0,257 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations24
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207