MétaCan
Menu
← Retour à la cohorte
Enregistrement W3084319996 · doi:10.1098/rspb.2020.1894

Prey with hidden colour defences benefit from their similarity to aposematic signals

2020· article· en· W3084319996 sur OpenAlexaff
Yongsu Kim, Yerin Hwang, Sangryong Bae, Thomas N. Sherratt, Jeong‐Seop An, Sei‐Woong Choi, Jeffrey C. Miller, Changku Kang

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensCarleton University
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésAposematismPredationBiologyPredatorSimilarity (geometry)Predator avoidanceFlash (photography)CommunicationEcologyArtificial intelligenceComputer sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Some camouflaged animals hide colour signals and display them only transiently. These hidden colour signals are often conspicuous and are used as a secondary defence to warn or startle predators (deimatic displays) and/or to confuse them (flash displays). The hidden signals used in these displays frequently resemble typical aposematic signals, so it is possible that prey with hidden signals have evolved to employ colour patterns of a form that predators have previously learned to associate with unprofitability. Here, we tested this hypothesis by conducting two experiments that examined the effect of predator avoidance learning on the efficacy of deimatic and flash displays. We found that the survival benefits of both deimatic and flash displays were substantially higher against predators that had previously learned to associate the hidden colours with unprofitability than against naive predators. These findings help explain the phenological patterns we found in 1568 macro-lepidopteran species on three continents: species with hidden signals tend to occur later in the season than species without hidden signals.

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 enseignants0,002
Score d'incertitude au seuil0,006

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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,075
Tête enseignante GPT0,212
Écart entre enseignants0,137 · 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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological Sciences→Même sujetPlant and animal studies→Travaux en français237 207→