Trapline foraging by bumble bees: IV. Optimization of route geometry in the absence of competition
Notice bibliographique
Résumé
Foraging on resources that are fixed in space but that replenish over time, such as floral nectar and pollen, presents animals with the problem of selecting a foraging route. What can flower visitors such as bees do to optimize their foraging routes, that is, reduce return time or route distance? Some repeatedly visit a set of plants in a significantly predictable sequence (so-called “trapline foraging”), which may also enhance their foraging efficiency. A moderate level of optimization and repetition of foraging routes can be reached by following simple movement rules for choosing the distances and turning angles of successive flights, without the use of spatial memory. If pollinators can learn the locations of patches and choose among possible foraging routes or paths, however, even better performance may be achieved. We tested whether and how bumble bees can optimize and repeat their foraging routes in laboratory experiments with artificial flowers that secreted nectar at a constant rate. With increasing experience, foraging routes of bees became more repeatable and efficient than expected from a combination of simple movement rules between successive flowers. We suggest that trapline foraging is a more sophisticated pattern of spatial use than searching and is based on memory. On the other hand, certain spatial configurations of flowers hampered optimization by the bees; bees preferred to choose short distances over straight moves and showed little plasticity in this regard. Developing an efficient trapline, therefore, may require prior selection of a set of plants with an appropriate spatial configuration.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».