Linking personality and cognition: a meta-analysis
Notice bibliographique
Résumé
In the past decade, several conceptual papers have linked variation in animal personality to variation in cognition, and recent years have seen a flood of empirical studies testing this link. However, these results have not been synthesized in a quantitative way. Here, we systematically search the literature and conduct a phylogenetically controlled meta-analysis of empirical papers that have tested the relationship between animal personality (exploration, boldness, activity, aggression and sociability) and cognition (initial learning/reversal speed, number of correct choices/errors after standard training). We find evidence for a small but significant relationship between variation in personality and variation in learning across species in the absolute scale; however, the direction of this relationship is highly variable and when both positive and negative effect sizes are considered, the average effect size does not differ significantly from zero. Importantly, this variation among studies is not explained by differences in personality or learning measure, or taxonomic grouping. Further, these results do not support current hypotheses suggesting that that fast-explorers are fast-learners or that slow-explorers perform better on tests of reversal learning. Rather, we find evidence that bold animals are faster learners, but only when boldness is measured in response to a predator (or simulated predator) and not when boldness is measured by exposure to a novel object (or novel food). Further, although only a small sub-sample of papers reported results separately for males and females, sex explained a significant amount of variation in effect size. These results, therefore, suggest that, while personality and learning are indeed related across a range of species, the direction of this relationship is highly variable. Thus further empirical work is needed to determine whether there are important moderators of this relationship. This article is part of the theme issue ‘Causes and consequences of individual differences in 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,040 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».