Notice bibliographique
Résumé
The past 2 decades have seen fruit flies being widely adopted for research on social behavior and aggression. This fruitful research, however, has not been well tied to fruit flies' natural history. To address this knowledge gap, I conducted a field study. My goal was to inform future research conducted in artificial surroundings, and to inspire new investigations that can rely more heavily on fruit flies' actual natural behavior. My two main novel findings were first, that flies in the field showed significant sociability, as they formed social groups rather than dispersed randomly among fruits of similar quality. Second, males showed fair levels of aggression towards each other as indicated by a lunging rate of 17 per hour, and lower rates of wing threat and boxing. Courtship was the most prominent activity on fruits, with females rejecting almost all males' advances. This resulted in an estimated mating rate of 0.6 per female per day. Flies showed a striking peak of activity early in the mornings, even at cold temperatures, followed by inactivity for much of the day and night. Flies, however, handled well high temperatures approaching 40 °C by hiding away from fruit and concentrating activity in the cooler, early mornings. My field work highlights a few promising lines of future research informed by fruit flies' natural history. Most importantly, we do not understand the intriguing dynamics that generate significant sociability despite frequent aggressive interactions on fruits. Males' responses to female rejection signals varied widely, perhaps because the signals differed in information content perceived by flies but not humans. Finally, flies tolerated cold early mornings perhaps owing to fitness benefits associated with increased mating and feeding opportunities at this time. Flies were adept at handling very high temperatures under the natural daily temperature fluctuations and availability of shelters, and this can inform more realistic research on the effects of global warming on animals in their natural settings.
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 | 0,001 | 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 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 ».