Challenging the contest vs. scramble dichotomy in social competition: mixed conditions allow disparately ranked monkeys to get equivalent food but experiencing more competition still leads to risk-averse decisions
Notice bibliographique
Résumé
Introduction: Food competition is a major cost to group living. Resources vary in quality, distribution, and handling times, exerting differing competitive regimes and varied effects on individual food intake depending on dominance rank. Methods: ), a species with linear, nepotistic intragroup dominance hierarchies. We baited a multi-destination foraging array with a mixture of clumped, preferred and less clumped, less preferred rewards to observe how individuals' foraging decisions and route choices were affected by the presence and proximity of competitors. In contrast to previous experiments conducted with this group, rewards had minimal handling times and greater quantities to create a mix of scramble and contest competition. Results: We found that neither an individual's dominance rank nor the frequency with which they faced competition from a dominant competitor significantly affected their overall foraging success, suggesting that we were successful in invoking scramble competition. All individuals, regardless of rank, generally chose to prioritize the best reward at the cost of a less efficient route and increased travel time. Nonetheless, encountering dominant competitors in a higher proportion of trials made focal individuals more likely to begin trials at the nearest, less preferred reward, rather than face contest competition for the preferred, more distant platform. Discussion: Our findings suggest that though greater scramble competition minimizes differences in food intake, risk avoidance still exerts powerful effects on the foraging route choices of those experiencing competition.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».