Linking proximate drivers and fitness returns of vigilance in a large ungulate
Notice bibliographique
Résumé
Vigilance allows animals to quickly detect threats from conspecifics and predators to avoid or minimize costly encounters. Time spent vigilant is usually traded‐off against other fitness‐enhancing activities, such that fitness returns are expected when allocation to vigilance increases. We assessed the proximate factors influencing vigilance and investigated whether vigilance correlates with fitness in wild mountain goats. We first studied which extrinsic and intrinsic factors influenced alert duration and frequency using focal observations recorded over 12 years on individually‐marked adult females. We found that females increased vigilance in forested areas compared with open areas and were less vigilant when they were surrounded by conspecific neighbours. Reproductive females were more frequently vigilant and for longer periods compared with females without offspring. Mothers also tended to perform longer alerts when their offspring was > 10 m away than at shorter distances, suggesting that variation in offspring's vulnerability to predation influences mother's vigilance. Thus, predation risk and offspring vulnerability were the main mechanisms driving variation in vigilance. To assess fitness returns, we then used a joint modelling framework to estimate the latent correlations at the individual level among vigilance traits (alert duration, alert frequency, and total time spent vigilant) and fitness components (adult female survival and offspring survival) while accounting for the drivers observed to influence vigilance. Contrary to expectations, we found no evidence that vigilance is associated with fitness returns, with only some traits being at best weakly positively correlated with survival of offspring and adult females. This might arise because vigilance incurs costs that outweighs its potential benefits, or because vigilance metrics are not repeatable due to their high plasticity, challenging the commonly assumed positive relationship between vigilance and fitness.
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 | 0,000 | 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) | 0,001 | 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 ».