Flower Choice and Learning in Foraging Bumblebees: Effects of Variation in Nectar Volume and Concentration
Notice bibliographique
Résumé
Abstract Bees collect food from flowers that differ in morphology, color, and scent. Nectar‐seeking foragers can rapidly associate a flower's cues with its profitability, measured as caloric value or ‘net energy gain,’ and generally develop preferences for more profitable species. If two flower types are equally easy to discover and feed from, differences in profitability will arise from differences in the volume or the sugar concentration of their nectar crops. Although there has been much study of how bees respond to one or the other of these two kinds of nectar variation, few studies have considered both at once. We presented free‐foraging bumblebees with two different types of equally rewarding artificial flowers. After a period of familiarization, we made one type more rewarding than the other by increasing its nectar concentration, volume, or both. Bees responded more rapidly to a change in the reward's sugar concentration than to a change in its volume, even if the profitability differences were approximately equal. Sucrose concentration differences (40% vs. 13%) caused bees to virtually abandon the more dilute flower type, whether both types offered the same volume (2 μ l) or the less concentrated reward offered higher volume (7 μ l vs. 0.85 μ l). When the two types of flower differed only in nectar volume (7 μ l vs. 0.85 μ l), the less rewarding type continued to receive 22% of the visits. We propose three different hypotheses to explain the stronger response of the bees to changes in sugar concentration: (i) their response threshold to sucrose concentration might change; (ii) less time is needed to assess the concentration of a reward than its volume; and (iii) a smaller sample size may be needed for reliable estimation of profitability when flowers differ in concentration.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».