Game theory elucidates how competitive dynamics mediate animal social networks
Notice bibliographique
Résumé
BACKGROUND: While most game theoretical models assume that individuals randomly interact with all other group members, strong evidence indicates that individuals tend to preferentially interact with some of them. The position of an individual in a network affects, among other factors related to survival, its predation risk and competitive success. Here I then modified the Hawk-Dove game to explore the effect of social network structure on competitive strategy of individuals that differ in their fighting ability and may adjust their use of the Hawk, Dove and Assessor tactics to maximize their foraging success when they meet opponents they are connected with. RESULTS: From randomly generated networks, I demonstrate that phenotypic assortment by fighting ability reduces individuals' aggressiveness and, as such, favours cooperative interactions. Furthermore, the success of individuals with the weakest fighting ability is usually highest within networks where they most frequently meet opponents with the same fighting ability as their own, suggesting they might benefit from breaking connections with strong contestants. This might be the case when strong contestants systematically rely on the aggressive Hawk tactic or the risk of being predated is low and independent of the number of neighbours. Thus, I extended the model and built a dynamic model to allow individuals not only to adjust their behaviour to local conditions but also to modify the structure of the social network. The number of connections and degree of phenotypic assortment are then affected by ecological factors (e.g. resources value and predation risk), but above all by whether individuals can reliably assess the competitive ability of their opponents and adjust their behaviour accordingly. CONCLUSIONS: These findings provide strong evidence that behaviour can play a key role in shaping network structure and highlight the importance of considering the coevolution of network and behaviour to apprehend its consequences on population 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 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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».