MétaCan
Menu
Retour à la cohorte
Enregistrement W2795316518 · doi:10.5539/ijb.v10n2p31

Ants Can Acquire Some Serial Recognition

2018· article· en· W2795316518 sur OpenAlexvenueno aff
Marie‐Claire Cammaerts, Roger Cammaerts

Notice bibliographique

RevueInternational Journal of Biology · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSequence (biology)ChainingSequence learningComputer scienceCognitionCognitive psychologyElement (criminal law)Artificial intelligenceCommunicationPsychologyBiologyNeuroscienceDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Aiming to define the ants’ cognitive abilities, we examined if they could learn a correct sequence and recognize it among others made of the same elements but otherwise ordered. We first trained them to a sequence of three elements. They could recognize the correct sequence from the two wrong sequences, reaching a score of 66.9% after 8 training days, what was a rather low though statistically significant score. When trained to a sequence of 4 elements, the ants could also recognize the correct sequence from three wrong ones, reaching the low though statistically significant score of 51.2% in 8 training days. In this second experiment, the ants appeared to better learn the two last elements of the sequence (those directly associated with the reward) than the two first ones. This was in agreement with our previous finding that ants could learn a behavioral sequence only if trained according to a backwards chaining, i.e. if firstly presented with the element associated to the reward. Such kind of learning is in fact some operant conditioning, and apparently differs from what occurs in vertebrates since the latter learn a behavioral sequence under a backward as well as a forward method, and better remember not only the last but also the first element of a series. The neural mechanism(s) underlying serial recognition may thus at least partly differ between vertebrates and invertebrates.

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)0,000
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 enseignants0,036
Score d'incertitude au seuil0,593

Scores Codex et Gemma par catégorie

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

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 Opus0,124
Tête enseignante GPT0,367
Écart entre enseignants0,243 · 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of BiologyMême sujetMemory and Neural MechanismsTravaux en français237 207