The performance of cleaner wrasse, <i>Labroides dimidiatus,</i> in a reversal learning task varies across experimental paradigms
Notice bibliographique
Résumé
Testing performance in controlled laboratory experiments is a powerful tool for understanding the extent and evolution of cognitive abilities in non-human animals. However, cognitive testing is prone to a number of potential biases, which, if unnoticed or unaccounted for, may affect the conclusions drawn. We examined whether slight modifications to the experimental procedure and apparatus used in a spatial task and reversal learning task affected performance outcomes in the bluestreak cleaner wrasse, Labroides dimidiatus (hereafter “cleaners”). Using two-alternative forced-choice tests, fish had to learn to associate a food reward with a side (left or right) in their holding aquarium. Individuals were tested in one of four experimental treatments that differed slightly in procedure and/or physical set-up. Cleaners from all four treatment groups were equally able to solve the initial spatial task. However, groups differed in their ability to solve the reversal learning task: no individuals solved the reversal task when tested in small tanks with a transparent partition separating the two options, whereas over 50% of individuals solved the task when performed in a larger tank, or with an opaque partition. These results clearly show that seemingly insignificant details to the experimental set-up matter when testing performance in a spatial task and might significantly influence the outcome of experiments. These results echo previous calls for researchers to exercise caution when designing methodologies for cognition tasks to avoid misinterpretations.
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 | 0,001 |
| 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 ».