یادگیری اجتنابی در Bombus terrestris Audax (Hymenoptera: Apidae): پاسخ به شوک الکتریکی در یک محیط شبیه سازی شده

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 82

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JESI-43-4_001

تاریخ نمایه سازی: 27 آذر 1402

Abstract:

مطالعه رفتار حیوانات، به ویژه حشرات، برای درک جنبه های بیولوژیکی و تکاملی آن ها، کاربردهای گسترده در علوم کشاورزی، مدیریت آفات، زیست شناسی حفاظتی و علوم اعصاب دارد. بررسی ویژگی های شناختی، به ویژه یادگیری اجتنابی، نقشی اساسی در درک موفقیت حشرات دارد. این توانایی تطبیقی حیوانات را قادر می سازد تا در محیط خود به طور موثر با عوامل استرس زا مقابله کنند. در این مطالعه، توانایی یادگیری اجتنابی زنبورهای کارگر Bombus terrestris Audax، گرده افشان مهم در اکوسیستم های مختلف، مورد بررسی قرار گرفت. زنبورها در یک محفظه ی پرواز با استفاده از گل های مصنوعی مجهز به شوک الکتریکی برای شبیه سازی شرایطی که بتوانند تنبیه را در کنار منابع غذایی موجود شناسایی و با نشانه ها مرتبط کنند، آموزش داده و آزمایش شدند. نتایج نشان داد که زنبورها توانایی شناسایی همزمان تهدیدات بالقوه همراه با منابع غذایی را دارند، که نشان دهنده یک حافظه دوگانه اجتنابی - اشتیاقی است. علاوه بر این، مقایسه گروه هایی که با محرک های آزاردهنده (شوک الکتریکی) و خنثی (آب مقطر) آموزش داده شدند، نشان داد که نشانه های خطر منجر به یادگیری سریع تر و شکل گیری حافظه قوی تر می شود. هدف این دستگاه شرطی سازی بررسی واکنش زنبورها در مواجهه با خطرات احتمالی، شبیه به موقعیت های جستجوگری در زندگی واقعی بود. این یافته ها بینشی در مورد استراتژی های بقای حشرات در محیط های چالش برانگیزی که تاثیرات منفی بر جمعیت زنبورها دارد، ارائه می دهد.

Authors

ساجده سرلک

گروه گیاهپزشکی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

احمد عاشوری

گروه گیاهپزشکی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

سید حسین گلدانساز

گروه گیاهپزشکی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Agarwal, M., Giannoni Guzmán, M., Morales-Matos, C., Del Valle Díaz, ...
  • Schäfer, M. O., Ritter, W., Pettis, J. S., & Neumann, ...
  • نمایش کامل مراجع