HUNGER DRIVES SWITCHING AND SEARCHING RESPONSE IN A SOCIAL PREDATOR
Notice bibliographique
Résumé
A bstract Hunger is a frequent state for many predators and increasing hunger is likely to motivate costly behaviour to acquire necessary resources. Generalist predators must balance the costs and gains of hunting different prey, including increasing encounter rates and improving success rates by seeking areas with greater prey catchability. Large carnivores face threats when they interact with humans or conspecifics. We use integrated step selection analysis to describe spatiotemporal factors that influence wolf ( Canis lupus ) hunting behavior in Riding Mountain National Park, a natural area that wolves share with moose ( Alces alces ) and elk ( Cervus canadensis ). If hunger generates more risky behavior by wolves, as time-from-kill increases we expect wolves will: (1) search for and kill a prey that poses higher risk of injury, (2) use the periphery of their range, (3) use areas closer to the park boundary. Hunger alters wolf space use and drives a fine scale change in prey tracking. Movement patterns of hungry wolves are indicative of search behavior, i.e., shorter steps and more turning. Contrary to our predictions, hungry wolves moved further into the park. As wolves become hungrier, they switch their response from a weak selection to avoidance of elk. In contrast, the response to the primary and emergent prey, moose varied between individuals with some pack level similarities. Therefore, the state-based response to a pervasive risk and a historical resource was conserved in a population residing in a prey rich ‘island’ interfacing with human disturbance.
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 | 0,001 |
| 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 | 0,001 | 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) | 0,003 | 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 ».