Human–animal relationships in zoo‐housed orangutans (<i>P. abelii</i>) and gorillas (<i>G. g. gorilla</i>): The effects of familiarity
Notice bibliographique
Résumé
I examined human-animal relationships (HARs) in zoo-housed orangutans (Pongo abelii) and gorillas (Gorilla gorilla gorilla) to see if they followed patterns similar to conspecific relationships in great apes and humans. Familiarity and social relationships guide humans' and great apes' behaviors with conspecifics. Inter-individual relationships, based on shared social history, and "generalized" relationships, based on a history of interactions with relevant classes of individuals, guide behavior with familiar and unfamiliar conspecifics, respectively. I examined whether both familiarity and social relationships similarly guides great apes' cross-species interactions with humans. I used repeated measures MANOVA to compare hourly rates and average durations of ape-initiated human-directed behaviors (HDBs) between familiar and unfamiliar humans and between great ape species. HDB patterns were consistent with familiarity-based HAR predictions, indicating more negative relationships with unfamiliar humans and more positive relationships with familiar humans. Findings for unfamiliar humans are consistent with negative effects of humans on apes' behavior reported in traditional visitor effect studies (VES). However, findings for familiar humans may be overlooked in VES due to pooling across levels of human familiarity or failure to consider humans other than primarily unfamiliar visitors. Additionally, species differences in apes' HDBs suggest that data pooling across species, common in many zoo studies, may mask important differences. These findings have important methodological implications for studies of human-animal interaction as well as for captive animal wellbeing.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».