A spatial network analysis of resource partitioning between bumblebees foraging on artificial flowers in a flight cage
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
Individual bees exhibit complex movement patterns to efficiently exploit small areas within larger plant populations. How such individual spatial behaviours scale up to the collective level, when several foragers visit a common area, has remained challenging to investigate, both because of the low resolution of field movement data and the limited power of the statistical descriptors to analyse them. To tackle these issues we video recorded all flower visits (N = 6205), and every interaction on flowers (N = 628), involving foragers from a bumblebee (Bombus terrestris) colony in a large outdoor flight cage (880 m2), containing ten artificial flowers, collected on five consecutive days, and analysed bee movements using networks statistics. Bee-flower visitation networks were significantly more modular than expected by chance, indicating that foragers minimized overlaps in their patterns of flower visits. Resource partitioning emerged from differences in foraging experience among bees, and from outcomes of their interactions on flowers. Less experienced foragers showed lower activity and were more faithful to some flowers, whereas more experienced foragers explored the flower array more extensively. Furthermore, bees avoided returning to flowers from which they had recently been displaced by a nestmate, suggesting that bees integrate memories of past interactions into their foraging decisions. Our observations, under high levels of competition in a flight cage, suggest that the continuous turnover of foragers observed in colonies can led to efficient resource partitioning among bees in natural conditions.
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) | 0,000 | 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 découle