Çoğu zaman yaşamda, bir bireyin ihtiyaç duyduğu şeyler hemen kavranamayabilir. Bu nedenle, organizmaların yiyecek araması gerekir. Yiyecek arama, basitçe yiyecek veya daha genel olarak kaynak arama süreci olarak tanımlanır. Yiyecek muhtemelen akla gelen ilk örnek olsa da, organizmalar barınak veya eşler gibi diğer kaynakları aramak zorundadır ve hayvanlar genellikle ihtiyaç duyduklarını elde etmek için büyük çaba harcarlar. Bununla birlikte, yiyecek arama eyleminin kendisi enerji gerektirir. Esasen, bireyler kalori yakmayı onları elde etmekle dengelemelidir. Basitçe söylemek gerekirse, yiyecek aramak bir strateji gerektirir. Ekolojistler, bir organizmanın yiyecek aramak için harcanan enerji, yani iki meşe palamudu değeri ile altı yeni meşe palamudu gibi elde edebileceği potansiyel enerji arasındaki optimum dengeyi karşıladığı koşulları modellemek için en uygun yiyecek arama teorisini yarattılar.
Yiyecek aramanın bir özelliği, kaynakların her zaman bir habitat içinde eşit olarak dağılmamasıdır. Daha tipik olarak, kaynaklar, toplayıcıların arasında hareket etmesi gereken yamalar halinde bulunur. Peki, toplayıcılar bu kaynak yamalarında tam olarak nasıl gezinmeli? 1976'da evrimsel ekolojist Eric L. Charnov, organizmaların yiyecek aramalarını nasıl optimize ettiklerini açıklamak için marjinal değer teoremini veya MVT'yi buldu. MVT'nin optimum yiyecek arama için beş ana tahmini vardır. İlk olarak, toplayıcıların yüksek av yoğunluğuna sahip yamalarda, düşük av yoğunluğuna sahip yamalara göre daha fazla av yakalaması gerektiğini belirtir. İkincisi, teori, toplayıcıların yüksek av yoğunluğuna sahip yamalarda kaynak aramak için daha fazla zaman harcaması gerektiğini öngörüyor. Daha sonra, toplayıcı, birbirine yakın paketlenmiş yamaların bulunduğu yoğun ortamlarda, birbirinden daha fazla yayılmış yamaların bulunduğu seyrek ortamlara göre daha yüksek bir av yakalama oranına sahip olmalıdır. Dördüncü tahmin, toplayıcıların bu yoğun ortamlarda yiyecek aramak için seyrek ortamlara göre daha fazla zaman harcayacaklarını belirtir. Son olarak, bir toplayıcı, yakalama hızı tüm yamaların ortalama hızına düştüğünde bir yama bırakmalıdır. İşte bu noktada zamandan vazgeçme veya GUT adı verilen bir kavram devreye giriyor. GUT'u hesaplamak için, bireyin yamadan ayrıldığı zamandan son av öğesinin elde edildiği zamanı çıkarmanız yeterlidir. Bu nedenle, GUT, bir toplayıcının ziyaret ettiği tüm yamalar için aynı olmalıdır.
Bu laboratuvarda, birkaç farklı yapay kaynak yamasında yiyecek arama simülasyonlarını tamamlayacak ve ardından sınıfınızın toplayıcı olarak nasıl performans gösterdiğini ve marjinal değer teoreminin kurallarına uyup uymadığınızı ölçmek için hesaplamalar yapacaksınız.
Yapay Yaşam Alanları ve Avlarla Yiyecek Arama Simülasyonu
ul class="lab-items">
NOT: Toplayıcılar, değişen av yoğunluklarına sahip dört kova pirinçte barbunya ile temsil edilen avı avlayacaktır. Bu yoğunlukların ne olduğunu bilmeden, toplayıcılar mümkün olan en kısa sürede mümkün olduğunca çok sayıda av öğesi elde etmelidir.
HYPOTHESES: Bu deneyde, deneysel hipotez, toplayıcıların daha yüksek av yoğunluğuna sahip kovada en fazla avı yakalayacağı ve aynı zamanda orada yiyecek aramak için en çok zaman harcayacağı olabilir. Boş hipotez daha sonra toplayıcıların her kovada eşit sayıda av yakalayacağı ve toplayıcıların her yamada yiyecek aramak için eşit miktarda zaman harcayacağı olacaktır.
Yiyecek arama etkinliğine başlamak için, her katılımcının adını ve rolünü öğrenci veri toplama sayfasının en üstüne kaydedin. NOT: Deneye başlamadan önce, toplayıcının yiyecek arama sürecine aşina olmasına izin verilir - aşağıdaki adımlar bir alıştırma turudur.
Toplayıcı, ortalama yoğunluk kovasının önünde diz çökmeli veya oturmalıdır.
Zamanlayıcı başlat dediğinde, toplayıcı avı temsil eden barbunya fasulyesini aramaya başlayabilir. Toplayıcı bu kovada yiyecek aramak için istediği kadar zaman harcayabilir.
Bir av öğesi bulunduğunda, toplayıcı bir tane bulunduğunu işaret etmeli ve avı kovanın yanındaki bardağa yerleştirmelidir.
Yamadaki avın çoğunu elde ettiklerine inandıklarında, zamanlayıcıya zamanı durdurmasını ve alıştırma turunun bittiğini söylemeliler.
Simülasyona uygun şekilde başlamak için, toplayıcı kova A'nın önünde oturmalı veya diz çökmelidir.
Kronometreyi başlatmak için zamanlayıcının hazır olması gerekir.
Kayıt cihazı, toplayıcının her kovaya vardığı ve her bir kovadan ayrıldığı zamana ek olarak, her bir av öğesinin bulunduğu zamanı kaydetmeye hazır olmalıdır.
Tüm taraflar hazır olduğunda, zamanlayıcı kronometreyi başlatmalı ve "başlat" demeli ve toplayıcı yiyecek aramaya başlamalıdır. NOT: Kronometre, B ve C kovaları için turun geri kalanında çalışacaktır.
Toplayıcı barbunya bulduğunu işaret edip kovanın yanındaki bardağa yerleştirirken, zamanlayıcı kayıt cihazına zamanı söylemelidir.
Toplayıcı bir sonraki kovaya geçmeye karar verdiğinde, zamanlayıcıya "bitti" demeli ve bir sonraki yamaya geçmeye başlamalıdır.
Kayıt cihazı, toplayıcının ayrıldığı zamanı ve B kovasına vardıkları zamanı öğrenci veri toplama sayfasına kaydetmelidir.
B ve C kovaları için aynı işlemi tekrarlayın. Toplayıcı aktiviteyi tamamladıktan sonra, bir sonraki toplayıcının aynı prosedürü kullanmaya başlama zamanı gelmiştir.
Sonuçlar
ul class="lab-items">
Herhangi bir veri analizi yapmadan önce, veri toplama sayfasını gözden geçirin ve öğrenci hesaplama tablonuzdaki her bir kova için yakalanan av, yiyecek arama süresi ve seyahat süresi için bireysel verilerinizi derleyin. Tablo 2'yi indirmek için buraya tıklayın
Bundan sonra, yakalanan av sayısını yiyecek arama süresi ve seyahat süresinin toplamına bölerek her kova için bireysel yakalama oranınızı hesaplayın ve bu değerleri tablonuza kaydedin. Bireysel yakalama oranı = Yakalanan av sayısı / (yiyecek arama süresi + seyahat süresi)
Her kova için Verme Sürenizi veya bir GUT'u hesaplamak için, kovadan ayrıldığınız andan son av öğesinin elde edildiği zamanı çıkarın. GUT = zaman toplayıcı sol kova - son av öğesinin elde edildiği zaman
Ardından, yiyecek arama grubunuz için ortalama GUT'u hesaplayın ve değerleri tablonuza kaydedin.
Son olarak, kova GUT'unu grubunuzun ortalama GUT'una bölerek her kova için ölçeklendirilmiş GUT'unuzu hesaplayın. Ölçekli GUT = Kova GUT / Grup ortalama GUT NOT: Ölçeklendirilmiş GUT, verileri çarpıtan bireysel toplayıcılarda farklılıklar olmadan sınıf verilerinin daha sonra bir araya getirilmesine izin verecektir.
Her kovada toplanan ortalama av sayısının çubuk grafiğini çizin. X ekseninde, A düşük av yoğunluklu kovayı, B orta av yoğunluklu kovayı ve C yüksek av yoğunluklu kovayı temsil etmelidir. Y eksenini yakalanan av öğelerinin sayısı olarak çizin.
Ardından, x ekseninin değişen av yoğunluğu seviyelerine sahip kovaları temsil ettiği ve y ekseninin ortalama ölçekli GUT değerlerini gösterdiği sınıf ortalaması ölçekli GUT'un grafiğini çizin.
Her kovada yiyecek aramak için harcanan ortalama sürenin üçüncü bir grafiğini çizin.
Şimdi kavramlar videosundan Marjinal Değer Teoremi'ni (MVT) gözden geçirin ve sınıf verilerinizden oluşturduğunuz üç grafiği inceleyin. Grafiklerin MVT'nin tahminlerine uyup uymadığına dikkat edin.
