MétaCan
Menu
Retour à la cohorte
Enregistrement W2105771768 · doi:10.1098/rspb.2007.0458

The key mimetic features of hoverflies through avian eyes

2007· article· en· W2105771768 sur OpenAlexafffund
Roderick S. Bain, Arash Rashed, Verity J Cowper, Francis Gilbert, Thomas N. Sherratt

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPeck (Imperial)Batesian mimicryMimicryBiologyPredationSimilarity (geometry)Set (abstract data type)Artificial intelligenceZoologyPattern recognition (psychology)CommunicationEcologyPsychologyComputer scienceImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Batesian mimicry occurs when a palatable species (the mimic) gains protection from predators by resembling an unpalatable or otherwise protected species (the model). While some mimetic species resemble their models closely, other species ('imperfect mimics') are thought to bear only a crude likeness. In an earlier study, pigeons (Columba livia) were trained to recognize wasp images in one experiment and non-mimetic (NM) fly images in another by rewarding the pigeons for pecking on the respective image types. These pigeons were subsequently presented with different images, including seemingly wasp-like hoverfly species, and the recorded peck rates on these images were used as a measure of the pigeons' perception of the hoverflies' mimetic similarity. To identify a candidate set of morphological features that the pigeons used when assessing this mimetic similarity, we first extracted a range of biometrical measurements from images originally presented to the pigeons. We then repeatedly optimized an empirical model in an attempt to match the recorded pigeon peck rates while using as few biometrical features as input as possible. Our models were able to fit the pigeon peck rates with considerable accuracy even while excluding many input features. Antennal length, a feature commonly used to discriminate between flies and wasps, was regularly retained as an input variable, but overall a different set of biometrical features was important for predicting the peck rates of pigeons rewarded for identifying wasps compared to those rewarded for identifying NM flies. In highlighting the importance of specific biometrical features in promoting mimicry and the irrelevance of others, our optimized models provide an explanation as to why certain species that appear to be poor mimics to humans are judged to be good mimics by birds.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,250
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations89
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetAnimal Behavior and ReproductionTravaux en français237 207