MétaCan
Menu
Retour à la cohorte
Enregistrement W2128673316 · doi:10.1111/eth.12168

Effects of Early‐Life Experience on Learning Ability in Fruit Flies

2013· article· en· W2128673316 sur OpenAlexafffund
Zachary Durisko, Reuven Dukas

Notice bibliographique

RevueEthology · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology and Insect Physiology Research
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcMaster University
Mots-clésAffect (linguistics)BiologyPsychologyDevelopmental psychologyCognitive psychologyEcologyCommunication

Résumé

récupéré en direct d'OpenAlex

Abstract Learning and memory require the development, modification and maintenance of brain tissue, which cost time and energy. It may be adaptive for developing animals to adjust such investments based on environmental cues indicating the future utility of learning. The optimal learning ability that maximizes fitness will vary with the degree of complexity or difficulty of the environment, and developing animals may show an adaptive plastic modification of the extent of their learning ability based on early‐life cues of environmental complexity. We tested whether fruit fly larvae reared in a ‘complex’ environment, where they had to search, sample and choose between three foods differing in flavour and bitterness subsequently possessed greater learning abilities than larvae reared in a simple environment with only one food type. We tested learning ability both at the larval stage and in young adults. Our results suggest that, despite theoretical and intuitive appeal, these environmental factors did not affect learning ability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,452
Score d'incertitude au seuil0,595

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,038
Tête enseignante GPT0,337
Écart entre enseignants0,299 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations12
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEthologyMême sujetNeurobiology and Insect Physiology ResearchTravaux en français237 207