Context-dependent consequences of color biases in a social fish
Notice bibliographique
Résumé
Abstract Colorful visual signals can provide receivers with valuable information about food, danger, and the quality of social partners. However, the value of the information that color provides varies depending on the situation, and color may even act as a sensory trap where signals that evolved under one context are exploited in another. Despite some elegant early work on color as a sensory trap, few empirical studies have examined how color biases may vary depending on context and under which situations biases can be overridden. Here, using Neolamprologus pulcher, a highly social cichlid fish from Lake Tanganyika, we conducted a series of experiments to determine color biases and investigate the effects of these biases under different contexts. We found that N. pulcher interacted the most with yellow items and the least with blue items. These biases were maintained during a foraging-based associative learning assay, with fish trained using yellow stimuli performing better than those trained using blue stimuli. However, these differences in learning performance did not extend to reversal learning; fish were equally capable of forming new associations regardless of the color they were initially trained on. Finally, in a social choice assay, N. pulcher did not display a stronger preference for conspecifics whose yellow facial markings had been artificially enhanced. Together, these findings suggest that the influence of color biases varies under different contexts and supports the situational dependency of color functions.
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 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) | 0,001 | 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 tête enseignante, 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 ».