MétaCan
Menu
Retour à la cohorte
Enregistrement W2912915636 · doi:10.1007/s10071-019-01240-x

Social learning about construction behaviour via an artefact

2019· article· en· W2912915636 sur OpenAlexaff
Alexis J Breen, Clémence C. Bonneaud, Susan D. Healy, Lauren M. Guillette

Notice bibliographique

RevueAnimal Cognition · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensUniversity of Alberta
Organismes subventionnairesBiotechnology and Biological Sciences Research Council
Mots-clésNest (protein structural motif)Nest boxZebra finchPreferenceEcologyCommunicationPsychologyBiologyPredationStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

One source of public information may be the enduring products of others' behaviour, such as discarded tools or vacated nests. Here, we examined whether observation of a nest affects the material captive zebra finch males prefer when they construct their first nest. It does: for first-time nest construction, males that viewed only an empty cage preferred the colour of material each initially favoured but those males that had observed a pre-built nest of material of their non-preferred colour lost their material-colour preference altogether. Additionally, half of the males that viewed a nest were tested in an environment (the laboratory) different to that in which they were reared (an outdoor aviary). We had expected the aviary-reared (versus laboratory-reared) males would be more uncertain, and thus more likely to select material for their first nest that matched in colour to the colour of the 'demonstrated' nest-but this was not the case. The aviary-reared males did, however, tend to touch first the demonstrated colour of material more than did the laboratory-reared males. Together these results show that both observation of a nest and a change in environment can influence the material choices of novice builders. For naïve animal builders, then, construction artefacts can be information resources for learning about potential construction material.

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)0,002
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,253
Écart entre enseignants0,229 · 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

Citations22
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimal CognitionMême sujetAnimal Behavior and ReproductionTravaux en français237 207