Bumble-bee learning selects for both early and long flowering in food-deceptive plants
Notice bibliographique
Résumé
Most rewardless orchids engage in generalized food-deception, exhibiting floral traits typical of rewarding species and exploiting the instinctive foraging of pollinators. Generalized food-deceptive (GFD) orchids compete poorly with rewarding species for pollinator services, which may be overcome by flowering early in the growing season when relatively more pollinators are naive and fewer competing plant species are flowering, and/or flowering for extended periods to enhance the chance of pollinator visits. We tested these hypotheses by manipulating flowering time and duration in a natural population of Calypso bulbosa and quantifying pollinator visitation based on pollen removal. Both early and long flowering increased bumble-bee visitation compared with late and brief flowering, respectively. To identify the cause of reduced visitation during late flowering, we tested whether negative experience with C. bulbosa (avoidance learning) and positive experience with a rewarding species, Arctostaphylos uva-ursi, (associative learning) by captive bumble-bees could reduce C. bulbosa's competitiveness. Avoidance learning explained the higher visitation of early- compared with late-flowering C. bulbosa. The resulting pollinator-mediated selection for early flowering may commonly affect GFD orchids, explaining their tendency to flower earlier than rewarding orchids. For dissimilar deceptive and rewarding sympatric species, associative learning may additionally favour early flowering by GFD species.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».