MétaCan
Menu
Retour à la cohorte
Enregistrement W4414766210 · doi:10.1111/ele.70211

Fission‐Fusion Group Dynamics and Cooperative Hunting Stabilise Social Carnivore Populations

2025· article· en· W4414766210 sur OpenAlexafffund
John M. Fryxell, Simon Mduma, Joseph Masoy, J. Grant C. Hopcraft, A. R. E. Sinclair, Romain Dejeante, Craig Packer

Notice bibliographique

RevueEcology Letters · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of British ColumbiaUniversity of GuelphUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCarnivoreForagingFragmentation (computing)PopulationOptimal foraging theoryEcosystemHabitat fragmentationSocial groupCannibalism

Résumé

récupéré en direct d'OpenAlex

Theory suggests that large social groups of carnivores should be unsustainable, due to reduced foraging efficiency because of overlapping perception radii. Using Serengeti lions as a case study, we apply behaviourally based foraging models to show that fragmentation of social groups into smaller subgroups or mutual cooperation during hunting are both plausible hypothetical mechanisms capable of sustaining larger lion prides. Data from the Serengeti ecosystem demonstrate that lion prides typically fragment into small hunting groups that are well approximated by an exponential distribution of group sizes typical of fission-fusion social systems. A model linking fission-fusion group dynamics with predator-prey interaction predicts both the surprising degree of population stability of the Serengeti lions as well as the long-term persistence of large prides. There is little evidence, however, that Serengeti lions cooperate during hunting except when they hunt Cape buffalo, so fission-fusion is apparently the dominant stabilising process in Serengeti.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,025
Score d'incertitude au seuil0,593

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,008
Tête enseignante GPT0,229
Écart entre enseignants0,222 · 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 tête enseignante, 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetWildlife Ecology and ConservationTravaux en français237 207