MétaCan
Menu
Retour à la cohorte
Enregistrement W2612681898 · doi:10.46867/ijcp.2017.30.01.08

Call Usage Learning by a Beluga (Delphinapterus leucas) in a Categorical Matching Task

2017· article· en· W2612681898 sur OpenAlexafffundabout
Valeria Vergara, Lance Barrett‐Lennard

Notice bibliographique

RevueInternational Journal of Comparative Psychology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensVancouver Aquarium
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCategorizationPsychologyContext (archaeology)CommunicationRepertoireMatching (statistics)Cognitive psychologySpeech recognitionArtificial intelligenceComputer scienceGeographyAcousticsMathematics

Résumé

récupéré en direct d'OpenAlex

The ability to modify the structure and context of vocalizations through learning plays a key role in the social interactions of many species. The investigation of categorical matching, an aspect of contextual vocal learning, is the first step toward determining how contextual learning plays a role in the use, comprehension, and categorization of sounds in the wild. To this end, we conducted a study at the Vancouver Aquarium to test the ability of a juvenile female beluga, Qila, to respond to playbacks of two types of in-air beluga calls with vocalizations that matched the category of call played (a scream, which is a vocalization type shaped over time with reinforcement and not part of this species'natural repertoire, and a pulse-train, a natural call category). We first tested Qila with random sequences of the same version of the two vocalizations with which she had been trained. Her overall success in matching all playback stimuli was above chance but not statistically so (66%). She had more difficulty matching screams (54% success) than pulse trains (80% success). We next played random sequences of six novel pulse-trains and seven novel screams, which Qila had not been trained with. She responded correctly to the set of novel stimuli of both call types in 64% of the trials, a success rate that did not differ statistically from chance. Again, she had more difficulty matching screams (55% success), relative to pulse trains (74% success). These results indicate that Qila successfully matched only pulse trains, the class that is part of this species’ natural repertoire. Her poor performance on matching screams might be partly explained by a difficulty to perceive categorically a signal that lacks a function in the natural repertoire of belugas.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,052
Tête enseignante GPT0,391
Écart entre enseignants0,340 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Comparative PsychologyMême sujetMarine animal studies overviewTravaux en français237 207