What is the Marginal Value Theorem and how does it apply to foraging behavior?

The Marginal Value Theorem predicts that foragers should leave a patch when the capture rate in that patch drops below the average capture rate across all patches. In this experiment, foragers test MVT predictions by comparing their prey capture rates and giving-up times across buckets with different prey densities, revealing whether their foraging decisions match theoretical predictions.

How do you calculate capture rate in a foraging experiment?

Capture rate is calculated by dividing the number of prey captured by the total time spent foraging plus travel time in each patch. This metric reveals foraging efficiency and helps determine whether foragers spend more time in high-density patches where capture rates are higher.

What does giving-up time measure in foraging studies?

Giving-up time is the interval between when a forager acquires the last prey item and when they leave a patch. It indicates how long a forager continues searching after finding prey becomes difficult, reflecting their decision to abandon a depleting resource patch.

Why is scaled giving-up time used instead of raw giving-up time?

Scaled giving-up time normalizes individual differences by dividing each bucket's giving-up time by the group's mean giving-up time. This standardization allows class data to be pooled without individual forager variation skewing results, enabling meaningful comparison across different foraging groups and experimental conditions.

What hypotheses are tested in the optimal foraging simulation?

The experimental hypothesis predicts foragers will catch the most prey in high-density buckets and spend the most time there. The null hypothesis states foragers will capture equal prey numbers and spend equal time in all buckets regardless of prey density.

How does prey density influence forager patch selection?

Foragers should preferentially select and remain longer in patches with higher prey density, where they encounter prey more frequently and achieve higher capture rates. This behavior reflects optimal foraging strategy, as staying in productive patches maximizes energy gain relative to time invested.

What data should be recorded during the foraging simulation?

Recorders must document the time each prey item is found, arrival and departure times for each bucket, and total foraging and travel times. This detailed timing data enables calculation of capture rates and giving-up times, which are then analyzed to test whether forager behavior aligns with predictions.

최적의 채집

개념 교수자 준비사항 학생 실험 절차

0 조회수03:37 분

인생에서 개인이 필요로 하는 것들이 당장 손에 잡히지 않을 수도 있습니다. 따라서 유기체는 먹이를 찾아야 합니다. 채집은 단순히 음식 또는 더 일반적으로 자원을 찾는 과정으로 정의됩니다. 음식이 아마도 가장 먼저 떠오르는 예일 것이지만, 유기체는 피난처나 짝과 같은 다른 자원을 찾아 헤매야 하며 동물은 종종 필요한 것을 얻기 위해 많은 노력을 기울입니다. 그러나 먹이를 찾는 행위 자체에는 에너지가 필요합니다. 기본적으로 개인은 칼로리를 태우는 것과 섭취하는 것의 균형을 맞춰야 합니다. 간단히 말해서 채집에는 전략이 필요합니다. 생태학자들은 유기체가 채집하는 데 소비된 에너지, 즉 도토리 두 개의 가치와 6개의 새로운 도토리와 같이 얻을 수 있는 위치 에너지 사이의 최적의 균형을 충족하는 상황을 모델링하기 위해 최적의 채집 이론을 만들었습니다.

채집의 한 가지 특징은 자원이 서식지 내에 항상 고르게 분포되어 있지 않다는 것입니다. 보다 일반적으로 자원은 채집자가 이동해야 하는 패치에 포함되어 있습니다. 그렇다면 채집자는 정확히 어떻게 이러한 자원 패치를 탐색해야 할까요? 1976년, 진화 생태학자 에릭 L. 차르노프(Eric L. Charnov)는 유기체가 먹이 찾기를 최적화하는 방법을 설명하기 위해 한계 가치 정리(Marginal Value Theorem, MVT)를 제시했다. MVT에는 최적의 먹이 찾기에 대한 5가지 주요 예측이 있습니다. 첫째, 수렵 채집자는 낮은 피식 밀도 패치보다 높은 피식 밀도를 가진 패치에서 더 많은 먹이를 잡아야 한다고 명시되어 있습니다. 둘째, 이 이론은 수렵 채집자가 높은 먹이 밀도 패치에서 자원을 찾는 데 더 많은 시간을 할애해야 한다고 예측합니다. 다음으로, 채집자는 패치가 더 멀리 퍼져 있는 희박한 환경보다 패치가 밀집되어 있는 밀집된 환경에서 더 높은 먹이 포획률을 가져야 합니다. 네 번째 예측은 수렵 채집자들이 희박한 환경보다 이러한 밀집된 환경에서 수렵을 찾는 데 더 많은 시간을 할애할 것이라는 것입니다. 마지막으로, 채집자는 포획률이 모든 패치의 평균 비율로 감소했을 때 패치를 남겨야 합니다. 그리고 여기에서 시간을 포기하거나 GUT라는 개념이 등장합니다. GUT를 계산하려면 개체가 패치를 떠난 시간에서 마지막 먹이 항목을 획득한 시간을 빼기만 하면 됩니다. 따라서 GUT는 채집자가 방문하는 모든 패치에 대해 동일해야 합니다.

이 실험실에서는 여러 가지 인공 자원 패치에서 채집 시뮬레이션을 완료한 다음 계산을 수행하여 클래스가 채집자로서 어떻게 수행했는지, 한계 가치 정리의 규칙을 준수했는지 여부를 측정합니다.

Print Procedure Steps

인공 서식지와 먹이를 이용한 채집 시뮬레이션
- 참고: 채집자들은 다양한 먹이 밀도를 가진 4개의 쌀 양동이에 핀토 콩으로 대표되는 먹이를 사냥합니다. 이러한 밀도가 얼마인지 모른 채, 채집자들은 가능한 한 짧은 시간에 가능한 한 많은 먹이를 얻어야 합니다.
- 가설: 이 실험에서 실험 가설은 채집자가 더 높은 먹이 밀도 버킷에서 가장 많은 먹이를 잡고 그곳에서 가장 많은 시간을 먹이를 찾는 데 소비한다는 것일 수 있습니다. 귀무 가설은 채집자가 각 양동이에서 동일한 수의 먹이를 잡을 것이고 채집자는 각 패치에서 동일한 양의 먹이를 찾는 데 소비할 것이라는 것입니다.
- 채집 활동을 시작하려면 학생 데이터 수집 시트 상단에 각 참가자의 이름과 역할을 기록하십시오. 참고: 실험을 시작하기 전에 채집자는 채집 과정에 익숙해질 수 있습니다 – 다음 단계는 연습 라운드입니다.
- 채집자는 평균 밀도 버킷 앞에 무릎을 꿇거나 앉아야합니다.
- 타이머가 시작이라고 말하면 채집자는 먹이를 나타내는 핀토 콩을 찾기 시작할 수 있습니다. 채집자는 이 양동이에서 원하는 만큼 먹이를 찾는 데 시간을 보낼 수 있습니다.
- 먹이를 찾으면 채집자는 먹이가 발견되었다는 신호를 보내고 양동이 옆의 컵에 먹이를 놓아야 합니다.
- 패치에서 대부분의 먹이를 얻었다고 생각되면 타이머에게 시간을 멈추라고 말해야 하고 연습 라운드는 끝납니다.
- 시뮬레이션을 제대로 시작하려면 채집자는 버킷 A 앞에 앉거나 무릎을 꿇어야 합니다.
- 타이머는 스톱워치를 시작할 준비가되어 있어야합니다.
- 레코더는 채집자가 각 양동이에 도착하고 떠난 시간 외에도 각 먹이 항목이 있는 시간을 기록할 준비가 되어 있어야 합니다.
- 모든 당사자가 준비되면 타이머가 스톱워치를 시작하고 "시작"이라고 말해야 하며 채집자는 채집을 시작해야 합니다. 알림: 스톱워치는 버킷 B와 C에 대해 나머지 라운드를 실행합니다.
- 채집자가 핀토 콩을 찾는다는 신호를 보내고 양동이 옆 컵에 넣으면 타이머는 녹음기에 시간을 알려야 합니다.
- 그런 다음 레코더는 학생 데이터 수집 시트에 시간을 기록해야 합니다. 표 1을 다운로드하려면 여기를 클릭하십시오.
- 채집자가 다음 버킷으로 이동하기로 결정하면 타이머에게 "완료"를 알리고 다음 패치로 이동을 시작해야 합니다.
- 레코더는 채집자가 떠난 시간과 버킷 B에 도착한 시간을 학생 데이터 수집 시트에 기록해야 합니다.
- 버킷 B와 C에 대해 동일한 절차를 반복합니다. 채집자가 활동을 완료하면 다음 채집자가 동일한 절차를 사용하기 시작할 때입니다.
Expand
- 데이터 분석을 수행하기 전에 데이터 수집 시트를 검토하고 학생 계산 테이블의 각 버킷에 대해 포획된 먹이, 먹이 찾기 시간 및 이동 시간에 대한 개별 데이터를 컴파일하십시오. 표 2를 다운로드하려면 여기를 클릭하십시오.
- 그런 다음 포획한 먹이의 수를 채집 시간과 이동 시간의 합으로 나누어 각 버킷의 개별 포획률을 계산하고 이 값을 테이블에 기록합니다. 개체 포획 속도 = 포획한 먹이 수 / (먹이 찾기 시간 + 이동 시간)
- 각 버킷에 대한 Giving-Up-Time 또는 GUT를 계산하려면 버킷을 떠난 시간에서 마지막 먹이 아이템을 획득한 시간을 뺍니다. GUT = 시간 채집자 왼쪽 양동이 - 획득한 마지막 포식자 아이템
- 다음으로, 채집 그룹의 평균 GUT를 계산하고 테이블에 값을 기록합니다.
- 마지막으로, 버킷 GUT를 그룹의 평균 GUT로 나누어 각 버킷에 대해 스케일링된 GUT를 계산합니다. 스케일링된 GUT = 버킷 GUT / 그룹 평균 GUT 참고: 스케일링된 GUT를 사용하면 데이터를 왜곡하는 개별 채집자의 차이 없이 나중에 클래스 데이터를 풀링할 수 있습니다.
- 강사는 이제 데이터를 교실 스프레드시트에 컴파일해야 합니다. 표 3을 다운로드하려면 여기를 클릭하십시오.
- 각 양동이에 수집된 평균 먹이 수의 막대 그래프를 플로팅합니다. x축에서 A는 낮은 먹이 밀도 버킷을 나타내야 하고, B는 중간 먹이 밀도 버킷을 나타내야 하며, C는 높은 먹이 밀도 버킷을 나타내야 합니다. y축을 잡은 먹이 항목의 수로 플로팅합니다.
- 다음으로, 클래스 평균 스케일링된 GUT의 그래프를 플롯하는데, 여기서 x축은 다양한 수준의 먹이 밀도를 가진 버킷을 나타내고 y축은 평균 스케일링된 GUT의 값을 나타냅니다.
- 각 버킷에서 채집하는 데 소요된 평균 시간의 세 번째 그래프를 플로팅합니다.
- 이제 개념 비디오에서 MVT(Marginal Value Theorem)를 검토하고 클래스 데이터에서 생성한 세 개의 그래프를 검토합니다. 그래프가 MVT의 예측을 따르는지 여부를 기록해 둡니다.

Browse More Videos

먹이 밀도

먹이 찾기 행동

한계 가치 정리

포기 시간