Elevation-related difference in serial reversal learning ability in a nonscatter hoarding passerine
Notice bibliographique
Résumé
Environments characterized by scarce and variable food supply, termed “harsh environments,” have been hypothesized to favor cognitive abilities that aid an animal in finding food, remembering where it is located, or predicting its availability. Most studies of the “harsh environment” hypothesis have found that scatter hoarders from harsher environments have better spatial memory abilities, but few studies have looked at this hypothesis in nonscatter hoarders. Here, we present the first comparison of performance on a serial reversal learning task in a nonscatter hoarder from 2 elevations that differ in harshness. Serial reversal learning tasks measure a suite of cognitive abilities that are believed to allow an animal to adjust its foraging behavior to match changes in the availability of food over time. Therefore, performance on this task is predicted to increase with elevation. There was no significant difference between the high and low elevation great tits in initial reversal learning accuracy. While both high and low elevation birds were able to improve their reversal learning accuracy, they did not differ in their rate of improvement over reversals. However, we found that lower elevation birds had higher accuracy across all reversals. Contrary to the “harsh environment” hypothesis, our findings suggest that birds from the less harsh environment at low elevation performed more accurately on the reversal learning task. Overall, our results suggest that the study of the relationship between harshness and cognition in nonhoarders would benefit from taking into account other environmental factors, and trade-offs with other cognitive abilities.
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) | 0,001 | 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 ».