Landscapes of fear and safety: the integration of two different sensory landscapes determines behavioral responses in the crayfish <i>Faxonius rusticus</i> and is mediated by chemical cues
Notice bibliographique
Résumé
Research into predator–prey interactions has focused on the landscape of fear and nonconsumptive effects that result from prey responses. Prey behavior is influenced by predator presence and the location and quality of foraging resources in habitats. These areas have been fruitful, but the role of prey refuges has lagged. We investigated how refuge spatial distribution and quality influence prey behavior. To determine the role of the landscape of safety (LOS) in prey decision-making, we altered spatial relationships between refuges, refuge quality, and predation threats in mesocosms. Mesocosms were constructed such that prey only received predatory chemical cues. We employed a behavioral assay including largemouth bass ( Micropterus salmoides (Lacepède, 1802): predator) and virile crayfish ( Faxonius rusticus (Girard, 1852): prey). Crayfish shelter use was significantly influenced by quality and spatial relationship of shelters to predatory threats, and the interaction of these two factors. Particularly, crayfish used high-quality shelters more often when located closer to predatory cues than farther away and did not use low-quality shelters more than controls. High-quality shelter usage decreased as threat level (measured by gape ratio) decreased. These results support the idea that prey utilize an LOS, and information contained in these two landscapes may alter behavioral decisions.
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 | 0,000 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».