A long‐term study on food choices and nutritional goals of a leaf‐eating primate
Notice bibliographique
Résumé
Abstract Efficient foraging plays a critical role in fitness, yet food choices and underlying nutritional goals vary among animals. To understand those choices and therefore the importance of different food resources, many studies estimate food preferences by applying electivity indices that account for resource availabilities. However, the general applicability of electivity indices in biologically relevant foraging scenarios is unclear. Our major aims were to find effective methods to estimate animals' food choices and to investigate long‐term food choices and underlying nutritional goals of the red colobus monkey ( Piliocolobus tephrosceles ) in Kibale National Park, Uganda, an endangered folivore. We used simulations of different foraging conditions to evaluate the applicability of electivity indices in biologically relevant scenarios to help interpret our results. Then, we used long‐term data collected between 2006 and 2016 on the feeding behavior and ecology of red colobus to determine the consumption frequencies of different foods and their food preferences. Based on these results and nutritional concentrations of young leaves of frequently consumed tree species, we investigated the importance of the protein‐to‐fiber ratio in their diet. Our simulations highlight limitations of electivity indices in biologically relevant foraging scenarios. Further, red colobus clearly chose young leaves over other plant parts, and, considering species and plant part, red colobus fed on many different items, but few dominated their diet. The availability and spatial distribution varied across the most consumed foods, but red colobus preferences remained mostly stable over time. Protein‐to‐fiber ratio had no association with preference but with consumption frequencies of different young leaves. The limitations of electivity indices in different foraging conditions underline the importance of comparing food preferences with consumption frequencies to assess the importance of different food resources. Our results provide a robust understanding of the food choices and nutritional goals of a leaf‐eating animal that can ultimately be used for implementing more effective conservation measures by directing habitat protection or restoration efforts toward these resources.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».