MétaCan
Menu
Retour à la cohorte
Enregistrement W2892439545 · doi:10.1098/rsbl.2018.0377

Frugivores and the evolution of fruit colour

2018· article· en· W2892439545 sur OpenAlexaff
Omer Nevo, Kim Valenta, Diary Razafimandimby, Amanda Melin, Manfred Ayasse, Colin A. Chapman

Notice bibliographique

RevueBiology Letters · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensMcGill UniversityAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésFrugivoreBiologyEvolutionary biologyBiological evolutionEcologyZoologyHabitatGenetics

Résumé

récupéré en direct d'OpenAlex

The ecological function of fruit colour has been the focus of many studies. The most commonly tested hypothesis is that fruit colour has evolved to facilitate detection by seed-dispersing animals. We tested whether distributions of fruit colours are consistent with the hypothesis that colour is an evolved signal to seed dispersers using a comparative community approach. We compared the contrast between ripe fruits and leaf backgrounds at two sites, one in Madagascar where seed dispersers are primarily night-active, red-green colour-blind lemurs, and the other in Uganda, where most vertebrate seed dispersers are day-active primates and birds with greater capacity for colour vision. We show that fruits in Uganda have higher contrast against leaf background in the red-green and luminance channels whereas fruits in Madagascar contrast more in the yellow-blue channel. These results indicate that fruit colour has evolved to contrast against background leaves in response to the visual capabilities of local seed disperser communities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,823
Score d'incertitude au seuil0,239

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,198
Écart entre enseignants0,176 · 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 tête enseignante, 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

Citations72
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiology LettersMême sujetPlant and animal studiesTravaux en français237 207