MétaCan
Menu
← Retour à la cohorte
Enregistrement W6966835723 · doi:10.5061/dryad.r7sqv9scd

Foraging behaviour data for sympatric Ateles geoffroyi, Alouatta palliata, and Cebus imitator

2022· dataset· en· W6966835723 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Calgary
Organismes subventionnairesJapan Society for the Promotion of ScienceNatural Environment Research Council
Mots-clésForagingFrugivoreSympatric speciationPrimateSpiderOmnivoreFeeding behaviorHuman echolocation

Résumé

récupéré en direct d'OpenAlex

Senses form the interface between animals and environments, and their form and function provide a window into the ecology of past and present species. However, research on the senses used during foraging (e.g. smell, vision, touch, taste) by wild terrestrial frugivores is sparse. Here, we combine 26,094 fruit foraging sequences recorded from three wild, sympatric primates (Cebus imitator, Ateles geoffroyi, Alouatta palliata) with data on within- and between-species variation in colour vision, olfaction, taste, and hand anatomy. We hypothesize that dietary and sensory specialization shape foraging behaviours. We find that frugivorous spider monkeys (Ateles geoffroyi) sniff fruits most often, that omnivorous capuchins (Cebus imitator), the species with the highest measure of manual dexterity, uses manual touch most often, and that main olfactory bulb volume is a better predictor of sniffing behaviour than nasal turbinate surface area. We also identify an interaction between colour vision phenotype and use of other senses. Controlling for species, dichromats sniff and bite fruits more often than trichromats, and trichromats use manual touch to evaluate cryptic fruits more often than dichromats. Our findings help reveal how dietary specialization and sensory variation shape foraging behaviours, and inform methods for investigating relationships between behaviour and anatomy.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

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
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,291
Écart entre enseignants0,216 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Travaux en français237 207→