MétaCan
Menu
Retour à la cohorte
Enregistrement W4416768179 · doi:10.1093/beheco/araf131

The interplay between satiation and temptation drives cleaner fish <i>Labroides dimidiatus</i> foraging behavior and service quality toward client reef fish

2025· article· en· W4416768179 sur OpenAlexaff
Zegni Triki, Xiangyi Li, Ana Isabel Pinto, Antoine Baud, Sandra A. Binning, Mélisande Aellen, Yasmin Emery, Virginie Staubli, Nichola Raihani, Redouan Bshary

Notice bibliographique

RevueBehavioral Ecology · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensUniversité de MontréalUniversité du Québec à Montréal
Organismes subventionnairesUniversité de NeuchâtelQueensland Government
Mots-clésTemptationCoral reef fishForagingFish <Actinopterygii>Pelagic zoneJuvenile fishQuality (philosophy)Coral reef

Résumé

récupéré en direct d'OpenAlex

and its variety of "client" coral reef fishes. Cleaner fish feed on clients' ectoparasites (ie gnathiid isopods) but prefer eating clients' mucus instead, which constitutes cheating. Here, we provide field observations, followed by a set of laboratory experiments with real client fish and Plexiglas feeding plates as surrogates for clients. In the field and in three experiments with real clients, we found that satiated cleaner fish were more cooperative, even though low hunger levels should make them less dependent on cleaning interactions. Similarly, the more abstract version of the cleaner-client experiments using Plexiglas plates offering two food types as stand-ins for client ectoparasites and mucus showed that satiation led cleaner fish to feed more against their preferences-an indicator of cooperative behaviour. However, this outcome occurred only if the temptation to eat the preferred food was low. When temptation to cheat was high, cleaner fish did so. We provide a further general support to these findings with a game-theoretic model. Many mutualisms involve food as a commodity. Thus, identifying foraging decision rules will enhance our understanding of how individuals adjust to variations in market conditions in real-time rather than playing a fixed strategy based on average market conditions.

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)0,001
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 enseignants0,074
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,033
Tête enseignante GPT0,380
Écart entre enseignants0,347 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioral EcologyMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207