Notice bibliographique
Résumé
It is now 130 years since Fritz Müller proposed an evolutionary explanation for the close similarity of co-existing unpalatable prey species, a phenomenon now known as Müllerian mimicry. Müller's hypothesis was that unpalatable species evolve a similar appearance to reduce the mortality involved in training predators to avoid them, and he backed up his arguments with a mathematical model in which predators attack a fixed number (n) of each distinct unpalatable type in a given season before avoiding them. Here, I review what has since been discovered about Müllerian mimicry and consider in particular its relationship to other forms of mimicry. Müller's specific model of associative learning involving a "fixed n" in a given season has not been supported, and several experiments now suggest that two distinct unpalatable prey types may be just as easy to learn to avoid as one. Nevertheless, Müller's general insight that novel unpalatable forms have higher mortality than common unpalatable forms as a result of predation has been well supported by field experiments. From its inception, there has been a heated debate over the nature of the relationship between Müllerian co-mimics that differ in their level of defence. There is now a growing awareness that this relationship can be mediated by many factors, including synergistic effects between co-mimics that differ in their mode of defence, rates of generalisation among warning signals and concomitant changes in prey density as mimicry evolves. I highlight areas for future enquiry, including the possibility of Müllerian mimicry systems based on profitability rather than unprofitability and the co-evolution of defence.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».