MétaCan
Menu
← Retour à la cohorte
Enregistrement W2133418005 · doi:10.1371/journal.pone.0112381

The Value of Patch-Choice Copying in Fruit Flies

2014· article· en· W2133418005 sur OpenAlexafffund
Shane Golden, Reuven Dukas

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Innovation Trust
Mots-clésCopyingBiologyOffspringEcologyZoologyForagingGeneticsPregnancy

Résumé

récupéré en direct d'OpenAlex

Many animals copy the choices of others but the functional and mechanistic explanations for copying are still not fully resolved. We relied on novel behavioral protocols to quantify the value of patch-choice copying in fruit flies. In a titration experiment, we quantified how much nutritional value females were willing to trade for laying eggs on patches already occupied by larvae (social patches). Females were highly sensitive to nutritional quality, which was positively associated with their offspring success. Females, however, perceived social, low-nutrition patches (33% of the nutrients) as equally valuable as non-social, high-nutrition ones (100% of the nutrients). In follow-up experiments, we could not, however, either find informational benefits from copying others or detect what females' offspring may gain from developing with older larvae. Because patch-choice copying in fruit flies is a robust phenomenon in spite of potential costs due to competition, we suggest that it is beneficial in natural settings, where fruit flies encounter complex dynamics of microbial communities, which include, in addition to the preferred yeast species they feed on, numerous harmful fungi and bacteria. We suggest that microbial ecology underlies many cases of copying in nature.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,086
Tête enseignante GPT0,203
Écart entre enseignants0,117 · 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

Citations22
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetPlant and animal studies→Travaux en français237 207→