MétaCan
Menu
Retour à la cohorte
Enregistrement W2945628540

Spatial Navigation in Corn Snakes

2018· article· en· W2945628540 sur OpenAlexaff
Aaizah Shahab

Notice bibliographique

RevueStudent Research Proceedings · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSpatial Cognition and Navigation
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésLandmarkArtificial intelligenceOrientation (vector space)Process (computing)Computer scienceENCODEGeometryVariety (cybernetics)Computer visionGeographyMathematicsBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Research has shown that a variety of organisms encode the geometry of their environment to re-establish orientation (i.e., reorientation). This has been shown in species ranging from rats to bees, and has been shown to be an automatic process. This automatic process of encoding geometry has been taken as evidence for a geometric module in the brain of these species. However, it is currently not known whether reptiles also use geometry to reorient. This study will investigate the use of geometric cues for reorientation in a corn snake. The snake will be trained to locate a goal in a corner of a rectangular arena. At each corner, a unique landmark will be available. Once the snake has learned to locate the target corner, it will attempt to relocate the corner in the absence of the landmarks. If the snake has encoded the geometry of the arena during training, it should be able to locate the goal, and will make rotational errors (i.e., mistaking the diagonally opposite corner for the correct corner). This rotational error would provide evidence that the snake has encoded the geometry even though it was trained to rely on the landmarks during training. This would provide support for the existence of a geometric module in the snake’s brain, and potentially in the general reptilian brain as well Discipline: Biological Sciences Faculty Mentor: Dr. Jean-Francois Nankoo

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,254
Score d'incertitude au seuil0,446

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,078
Tête enseignante GPT0,398
Écart entre enseignants0,320 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudent Research ProceedingsMême sujetSpatial Cognition and NavigationTravaux en français237 207