MétaCan
Menu
Retour à la cohorte
Enregistrement W3000946388 · doi:10.1163/22244662-20191062

Spatial proximity and prey vibratory cues influence collective hunting in social spiders

2019· article· en· W3000946388 sur OpenAlexaff
Colin M. Wright, James L. L. Lichtenstein, Lauren P. Luscuskie, Graham A. Montgomery, Sara E. Geary, Jonathan N. Pruitt, Noa Pinter‐Wollman, Carl N. Keiser

Notice bibliographique

RevueIsrael Journal of Ecology and Evolution · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInsect and Arachnid Ecology and Behavior
Établissements canadiensMcMaster University
Organismes subventionnairesNational Institute of General Medical Sciences
Mots-clésPredationCommunicationGeographyEconomic geographyEcologyBiologyPsychology

Résumé

récupéré en direct d'OpenAlex

Abstract Social spiders are thought to predominantly receive information about their environment through vibrational cues. Thus, group living introduces the challenge of distinguishing useful vibrational information from the background noise of nestmates. Here we investigate whether spatial proximity between colony-mates may allow social spiders (Stegodyphus dumicola) to reduce background noise that might obstruct vibrational information from prey. To do so, we constructed experimental colonies and measured whether the number of spiders in proximity to one another whilst resting could predict the number of spiders that participated in prey capture. Additionally, we exposed spider colonies to five different simulated vibrational cues mimicking prey to determine which cue types spiders were most responsive to. We found that the number of spiders huddled together prior to foraging trials was positively correlated with the number of spiders participating in collective foraging. Furthermore, colonies responded more quickly to pulsed vibrational cues over other types of vibrational patterns. Together these data reveal that both social interactions and prey cues shape how social sit-and-wait predators experience and respond to their environment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,236
Écart entre enseignants0,230 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIsrael Journal of Ecology and EvolutionMême sujetInsect and Arachnid Ecology and BehaviorTravaux en français237 207