MétaCan
Menu
Retour à la cohorte
Enregistrement W2911998962 · doi:10.1093/beheco/arz006

How size and conspicuousness affect the efficacy of flash coloration

2019· article· en· W2911998962 sur OpenAlexaff
Sangryong Bae, Doyeon Kim, Thomas N. Sherratt, Tim Caro, Changku Kang

Notice bibliographique

RevueBehavioral Ecology · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensCarleton University
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésPredationBiologyConfusionFlash (photography)PredatorColoredAffect (linguistics)EcologyZoologyCommunicationPsychologyVisual arts

Résumé

récupéré en direct d'OpenAlex

Some prey are cryptic at rest but expose conspicuous colors when in motion. Previous findings suggest that these “flash displays” deceive would-be predators by providing false information about the color of prey, tricking them into continuing to look for prey with the conspicuous color when the prey have actually returned to their cryptic resting state. These results raise questions about the properties of flash coloration that make it effective. Here, using humans as visual foragers searching for artificial prey models on a computer screen, we tested whether the effectiveness of flash coloration depends on the size of artificial prey. In addition, we tested whether flashing a different, but inconspicuous, color other than the resting color of prey is sufficient to deceive predators, or whether the flash coloration actually needs to be conspicuous to elicit predator confusion. Results indicate that 1) flash coloration tends to be more effective in large prey and 2) only conspicuous flash displays substantially reduce predation. Our findings help to explain why hidden color patches are more likely to be found in large insect species and why flash coloration is so often conspicuous. This study provides direct experimental evidence that the effectiveness of flash coloration is conditional, in that not all forms of flash display increase survivorship.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,351
Score d'incertitude au seuil0,169

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 technologies0,0000,000
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 Opus0,039
Tête enseignante GPT0,243
Écart entre enseignants0,204 · 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

Citations25
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioral EcologyMême sujetPlant and animal studiesTravaux en français237 207