Trapline foraging by bumble bees: VI. Behavioral alterations under speed–accuracy trade-offs
Notice bibliographique
Résumé
Trapline foraging (repeated sequential visits to a series of feeding locations) has often been observed in animals collecting floral resources. Past experiments have shown that bumble bees cannot always develop accurate (i.e., repeatable) traplines to a sufficient level, despite their economic advantages in many situations. The bees' preference for short flights works against developing accurate traplines when plants or patches are distributed in zigzag fashion. How should bees cope with such situations in nature? We conducted laboratory experiments with artificial flowers to test 2 nonexclusive hypotheses: bees may travel faster to compensate for low traplining accuracy, and when local landmarks are available, bees may be able to develop traplines by remembering external spatial information in addition to the locations of flowers. As predicted, foragers on a zigzag-shaped floral array traveled faster, with lower route repeatability, than those on a triangular lattice where distance and angle could be chosen independently, suggesting that bees trade-off accuracy for speed when it is more feasible. In contrast, bees traveled more slowly with unchanged traplining accuracy when landmarks were added into both arrays, possibly because the landmarks caused information load or visual distraction. Finally, bees on the zigzag array with additional landmarks made a quicker decision to switch from accurate traplining to fast traveling. If landmarks helped the bees to grasp the overall array geometry in our experiments, they may also permit bees in nature to select a distribution of plants or patches that aids accurate traplining.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,001 | 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 tête enseignante, 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 ».