MétaCan
Menu
Retour à la cohorte
Enregistrement W4390707692 · doi:10.1101/2024.01.09.574853

Exploratory and risk-taking behaviours in coexisting rodents

2024· preprint· en· W4390707692 sur OpenAlexaffabout
Bryan Hughes, Jeff Bowman, Albrecht I. Schulte‐Hostedde

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAnimal Ecology and Behavior Studies
Établissements canadiensTrent UniversityMinistry of Natural Resources and ForestryLaurentian University
Organismes subventionnairesnon disponible
Mots-clésBiological dispersalSympatric speciationPersonalityPersonality psychologyInterspecific competitionEcologyBig Five personality traitsCompetition (biology)HabitatBiologyPsychologyPopulationSocial psychologyDemographySociology

Résumé

récupéré en direct d'OpenAlex

Abstract There has been an increasing interest in modelling the influence of animal personality on species interactions within ecosystems. Animal personality traits associated with dispersal, movement within a home range and risk-taking, including docility and exploration, have been shown to influence an array of environmental variables including seed dispersal and habitat availability. Despite growing interest however, little information is available to model the effects of differences in personality phenotypes among coexisting species. Since coexisting or sympatric species often compete for resources, differences in movement patterns can help mitigate the impact of intra- and interspecific competition. We used two standardized behavioural tests with three species of coexisting rodents in Algonquin Provincial Park, Ontario, Canada to measure exploration and docility personality phenotypes. To evaluate personalities, we modelled plastic changes in behaviours within species and phenotypic variation in behavioural strategies among species. We show empirical evidence to support differences in personality phenotypes in coexisting species and consider the importance of alternative personality strategies in shaping community dynamics.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,023
Tête enseignante GPT0,247
Écart entre enseignants0,224 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetAnimal Ecology and Behavior StudiesTravaux en français237 207