Behavioral DiverCity: individual differences in behavior change along an urbanization gradient
Notice bibliographique
Résumé
Abstract Urbanization is occurring globally at an unprecedented rate and, despite the eco-evolutionary importance of individual variation, we still have limited insight on how phenotypic variation is modified by anthropogenic environmental change. Urbanization can increase individual differences in some contexts, but whether this is generalizable to behavioral traits, which directly affect how organisms interact with, and respond to, environmental variation, is not well known. Here we examined variation across three behavioral traits linked to stress reactivity, anti-predator response, and novelty-coping (breath rate, handling aggression, and exploration behavior) in great tits Parus major along an urbanization gradient. We phenotyped > 1000 individuals across 9 yr, to test whether individual differences in behavior increased with urbanization and spatial environmental heterogeneity. We used two different approaches: a city vs. forest comparison (ie a binary descriptor) and an urbanization gradient approach (ie a continuous quantitative score from 0 to 1) to explore the influence of built-up areas at different spatial scales. Our results reveal that urban individuals display more diverse stress-related and anti-predator behaviors (breath rate and handling aggression), yet show more similarity in their exploratory behavior than forest counterparts. However, there was no evidence that individual variation changes along the percentage of built-up areas for any traits. This study suggest that generalizations about how behavioral traits respond to urbanization will differ across behavioral dimensions. In particular, we may expect decreased individual diversity in urban birds for traits related to behavioral response to novelty.
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 | 0,001 |
| 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) | 0,000 | 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 ».