Taking the Operant Paradigm into the Field: Associative Learning in Wild Great Tits
Notice bibliographique
Résumé
Associative learning is essential for resource acquisition, predator avoidance and reproduction in a wide diversity of species, and is therefore a key target for evolutionary and comparative cognition research. Automated operant devices can greatly enhance the study of associative learning and yet their use has been mainly restricted to laboratory conditions. We developed a portable, weatherproof, battery-operated operant device and conducted the first fully automated colour-associative learning experiment using free-ranging individuals in the wild. We used the device to run a colour discrimination task in a monitored population of tits (Paridae). Over two winter months, 80 individuals from four species recorded a total of 5,128 trials. Great tits (Parus major) were more likely than other species to visit the devices and engage in trials, but there were no sex or personality biases in the sample of great tits landing at the devices and registering key pecks. Juveniles were more likely than adults to visit the devices and to register trials. Individuals that were successful at solving a novel technical problem in captivity (lever-pulling) learned faster than non-solvers when at the operant devices in the wild, suggesting cross-contextual consistency in learning performance in very different tasks. There was no significant effect of personality or sex on learning rate, but juveniles' choice accuracy tended to improve at a faster rate than adults. We discuss how customisable automated operant devices, such as the one described here, could prove to be a powerful tool in evolutionary ecology studies of cognitive traits, especially among inquisitive species such as great tits.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».