MARC

 008260126s2025        us                              c    eng  d
■001000017357537
■00520260202103526
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798280747425
■035    ▼a(MiAaPQ)AAI32039296
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a595
■1001  ▼aRuttenberg,  Dee  Mark.▼0(orcid)0000-0002-3602-9767
■24510▼aLinking  Life  History  to  Collective  Behavior  Across  Scales
■260    ▼a[Sl]▼bPrinceton  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a177  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-12,  Section:  B.
■500    ▼aAdvisor:  Kocher,  Sarah  D.
■5021  ▼aThesis  (Ph.D.)--Princeton  University,  2025.
■520    ▼aBehaviors  are  how  individuals  respond  to  the  environment  around  them.  To  see  how  behaviors  emerge  across  evolutionary  time,  we  need  an  appreciation  of  how  behaviors  manifest  over  lifetimes.  The  dynamic  life  history  and  behavioral  complexity  of  social  insect  colonies  make  it  a  powerful  system  to  study  these  questions.  Here,  I  leverage  the  life  history  of  social  insect  systems  to  study  their  behavior.CHAPTER  1I  study  how  an  increase  in  foraging  season  length  affects  the  dynamics  between  social  and  solitary  morphs  of  a  species.  I  demonstrate  variation  in  season  length  and  development  time  transforms  the  evolvability  of  social  behavior.  I  show  intermediate  season  lengths  mediate  coexistence  between  strategies.CHAPTER  2The  adaptive  significance  of  social  strategies  can  be  evaluated  across  phylogenetic  time.  This  analysis  is  difficult  due  to  variation  in  life  history  between  social  animals.  I  propose  social  network  analysis  to  study  collective  social  behavior.  Ideploy  this  method  using  data  from  nine  social  insects,  demonstrating  the  association  between  key  social  network  parameters  and  other  metrics  of  sociality.CHAPTER  3I  helped  develop  a  tool  (NAPS)  which  integrates  high-dimensional  behavioral  analysis  with  identity  persistence  over  long  time  scales.  This  tool  combines  state-of-the-art,  deep  learning-based  methods  of  pose  estimation  (SLEAP)  with  markers  for  identity  persistence  (ArUco).CHAPTER  4I  study  social  behavior  across  the  life  cycle  of  B.  impatiens.  The  life  cycle  of  bumble  bees  undergoes  a  transition  between  a  cooperative  phase  and  a  competitive  phase  (which  differ  in  the  presence  of  the  queen).  I  compared  queenright  and  queenless  colonies.  I  demonstrate  the  presence  of  the  queen  suppresses  behavioral  variation  in  the  workers,  and  the  absence  of  the  queen  results  in  a  small  subset  of  workers  adopting  a  queen-like  phenotype.  This  behavioral  variation  is  mediated  by  physiological  variation  and  transforms  the  social  network  of  the  colony.Taken  in  sum,  this  work  allows  us  to  understand  how  the  life  history  of  a  social  colony  affects  the  social  behaviors  of  the  individuals  within  the  colony.  This  work  plays  a  crucial  role  in  developing  an  understanding  of  social  behavior  which  integrates  ecology,  evolution,  development,  and  behavior.
■590    ▼aSchool  code:  0181.
■650  4▼aEntomology
■650  4▼aEcology
■650  4▼aBioinformatics
■650  4▼aBehavioral  sciences
■653    ▼aSocial  behavior
■653    ▼aBumblebees
■653    ▼aCollective  behavior
■653    ▼aSocial  networks
■653    ▼aSociality
■690    ▼a0353
■690    ▼a0329
■690    ▼a0715
■690    ▼a0602
■71020▼aPrinceton  University▼bQuantitative  Computational  Biology.
■7730  ▼tDissertations  Abstracts  International▼g86-12B.
■790    ▼a0181
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17357537▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서