A spatial network analysis of resource partitioning between bumblebees foraging on artificial flowers in a flight cage
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 m 2 ), 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».