Temporal stability in songs across the breeding range of <i>Geothlypis philadelphia</i> (Mourning Warbler) may be due to learning fidelity and transmission biases
Notice bibliographique
Résumé
ABSTRACT We found a stable pattern of geographic variation in songs across the breeding range of the Geothlypis philadelphia (Mourning Warbler) over a 36-year period. The Western, Eastern, Nova Scotia, and Newfoundland regiolects found in 2005 to 2009 also existed in 1983 to 1988 and 2017 to 2019. Each regiolect contained a pool of syllables that were unique and different from the other regiolects. The primary syllable types that defined each regiolect were present throughout the study, but there were changes in the frequencies of variants of these syllable types in each regiolect. We developed an agent-based model of birdsong learning within each regiolect to explore whether these frequency changes were consistent with unbiased copying or 2 forms of transmission bias: frequency bias and content bias. Strong content bias, possibly for more complex syllables, best models the temporal dynamics across regiolects. In combination with a high estimated learning fidelity, this may explain why regiolects and syllable types were stable for 36 years. We also examined whether variation in physical parameters of song over time could be attributed to acoustic adaptation to breeding habitat, using Landsat variables as a proxy for vegetation characteristics of each male’s breeding territory. The physical parameters of the songs, which changed little over time, revealed no coherent relationships with the Landsat variables and therefore little evidence for acoustic adaptation.
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 | 0,001 | 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) | 0,000 | 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 ».