MétaCan
Menu
Retour à la cohorte
Enregistrement W2596628263 · doi:10.1093/beheco/arw171

Time perception-based decision making in a parasitoid wasp

2017· article· en· W2596628263 sur OpenAlexaff
Jean-Philippe Parent, Keiji Takasu, Jacques Brodeur, Guy Boivin

Notice bibliographique

RevueBehavioral Ecology · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology and Insect Physiology Research
Établissements canadiensUniversité de MontréalUniversité du Québec à MontréalVineland Research and Innovation CentreInstitut de Recherche et de Développement en AgroenvironnementAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésParasitoidBraconidaeBiologyParasitoid waspHymenopteraForagingInterval (graph theory)EcologyPerceptionAssociative learningOdorNeuroscienceMathematics

Résumé

récupéré en direct d'OpenAlex

The capacity of animals to measure time and adjust their behaviors accordingly has been a topic of interest in vertebrates, but little evidence is currently available for insects. This capacity has yet to be properly investigated in parasitoid wasps, even though they are frequently used to test ecological models. Here, using associative learning between odors and time intervals, we show that the parasitoid wasp Microplitis croceipes (Hymenoptera: Braconidae) has the capacity to measure time. When released in a wind tunnel, females flew toward an odor associated with the time interval they had just experienced. We also found that reducing energy expenditure by restraining parasitoid wasp movement during the training interval prevented time perception. This serves as experimental evidence of time perception in a parasitoid wasp, provides both a rare example of learning associated to a time interval in an insect and a mechanism by which these animals could optimize their behaviors, as well as suggesting a role for energy expenditure in its time perception mechanism.

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 enseignants0,001
Score d'incertitude au seuil0,002

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 recherche0,0000,001
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 Opus0,069
Tête enseignante GPT0,406
Écart entre enseignants0,337 · 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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioral EcologyMême sujetNeurobiology and Insect Physiology ResearchTravaux en français237 207