MétaCan
Menu
Retour à la cohorte
Enregistrement W2969561139 · doi:10.4039/tce.2019.49

Is it pain if it does not hurt? On the unlikelihood of insect pain

2019· article· en· W2969561139 sur OpenAlexaff
Shelley A. Adamo

Notice bibliographique

RevueThe Canadian Entomologist · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology and Insect Physiology Research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésSensory systemNociceptionNeuroscienceCognitionPsychologyCognitive psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Whether insects (Insecta) have the subjective experience of pain is difficult to answer. Recent work in humans demonstrated that the experience of pain occurs due to the activation of a “pain network” that integrates nociceptive sensory information, memory, emotion, cognition, and self-awareness. In humans, the processing of nociceptive sensory information alone does not produce the subjective experience of pain. Insect nociception is processed largely in parallel in two higher-order areas in the brain: the mushroom bodies and the central complex. There is little evidence of a coordinated pain network that would integrate these two areas with each other along with other traits thought to be important for a pain experience in humans. However, it is difficult to exclude the possibility that insects could have a modest pain experience using a less integrated neural circuit. This possibility seems unlikely, however, because even a modest experience would require some neuronal investment. It is unclear whether insects would benefit from such an investment. Recent work in artificial intelligence suggests that relatively simple, cost-efficient circuits can produce adaptive behaviours without subjective experience. Given our current understanding of insect behaviour, neurobiology, and evolution, the likelihood that insects experience pain is low.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,012
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,296
Écart entre enseignants0,228 · 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'étudeThéorique ou conceptuel
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

Citations42
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian EntomologistMême sujetNeurobiology and Insect Physiology ResearchTravaux en français237 207