Food Quantity Discrimination in Angelfish (Pterophyllum scalare): The Role of Number, Density, Size and Area Occupied by the Food Items
Notice bibliographique
Résumé
Quantity discrimination, the ability to identify, process and respond to differences in number, has been shown in a variety of animal species, and may have fitness value. In fish, the ability to distinguish between numerically different shoals has been well studied. However, little work has been devoted to the investigation of such ability in a foraging context. Nevertheless, angelfish (Pterophyllum scalare) have been previously shown to be able to discriminate numerically different sets of food items, with variables such as size and density of the food items playing important roles in making the choice. Here, we examine the possible role of other non-numerical variables. Using a spontaneous binary choice task, we contrasted sets of food items differing in specific controlled ways: 1, different numerical size but equal inter-item distance; 2, different numerical size and different inter-item distance; 3 identical total contour length and area occupied but different individual food size and inter-food distance between the contrasted food sets. In Experiment 1, angelfish were found to prefer the sets with the large number of food items. In Experiment 2, they preferred the numerically smaller sets with clustered items to the numerically larger sets with scattered items, but only when the sets were in the large number range (10 vs. 5 food items). Finally, in Experiment 3 fish preferred numerically smaller sets with large-sized and scattered food items in the large number range sets. We conclude that food item number, density and size may not be considered individually by angelfish, but instead the fish respond to all these factors attempting to maximize energy gained from eating the food while minimizing energy expenditure collecting and/or protecting the food.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».