Hear them roar: A comparison of black-capped chickadee (Poecile atricapillus) and human (Homo sapiens) perception of arousal in vocalizations across all classes of terrestrial vertebrates.
Notice bibliographique
Résumé
Recently, evidence for acoustic universals in vocal communication was found by demonstrating that humans can identify levels of arousal in vocalizations produced by species across three biological classes (Filippi et al., 2017). Here, we extend this work by testing whether two vocal learning species, humans and chickadees, can discriminate vocalizations of high and low arousal using operant discrimination go/no-go tasks. Stimuli included vocalizations from nine species: giant panda, American alligator, common raven, hourglass treefrog, African elephant, Barbary macaque, domestic pig, black-capped chickadee, and human. Subjects were trained to respond to high or low arousal vocalizations, then tested with additional high and low arousal vocalizations produced by each species. Chickadees (Experiment 1) and humans (Experiment 2) learned to discriminate between high and low arousal stimuli and significantly transferred the discrimination to additional panda, human, and chickadee vocalizations. Finally, we conducted discriminant function analyses using four acoustic measures, finding evidence suggesting that fundamental frequency played a role in responding during the task. However, these analyses also suggest roles for other acoustic factors as well as familiarity. In sum, the results from these studies provide evidence that chickadees and humans are capable of perceiving arousal in vocalizations produced by multiple species. (PsycINFO Database Record (c) 2019 APA, all rights reserved).
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 | 0,000 | 0,001 |
| 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 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 ».