I see your false colours: how artificial stimuli appear to different animal viewers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The use of artificially coloured stimuli, especially to test hypotheses about sexual selection and anti-predator defence, has been common in behavioural ecology since the pioneering work of Tinbergen. To investigate the effects of colour on animal behaviour, many researchers use paints, markers and dyes to modify existing colours or to add colour to synthetic models. Because colour perception varies widely across species, it is critical to account for the signal receiver's vision when performing colour manipulations. To explore this, we applied 26 typical coloration products to different types of avian feathers. Next, we measured the artificially coloured feathers using two complementary techniques-spectrophotometry and digital ultraviolet--visible photography-and modelled their appearance to mammalian dichromats (ferret, dog), trichromats (honeybee, human) and avian tetrachromats (hummingbird, blue tit). Overall, artificial colours can have dramatic and sometimes unexpected effects on the reflectance properties of feathers, often differing based on feather type. The degree to which an artificial colour differs from the original colour greatly depends on an animal's visual system. 'White' paint to a human is not 'white' to a honeybee or blue tit. Based on our analysis, we offer practical guidelines for reducing the risk of introducing unintended effects when using artificial colours in behavioural experiments.
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.
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) | 0,020 | 0,025 |
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 découle