MétaCan
Menu
Retour à la cohorte
Enregistrement W2974204153 · doi:10.1098/rsos.190946

Wolf-like or dog-like? A comparison of gazing behaviour across three dog breeds tested in their familiar environments

2019· article· en· W2974204153 sur OpenAlexaboutno aff
Veronica Maglieri, Emanuela Prato‐Previde, Erica Tommasi, Elisabetta Palagi

Notice bibliographique

RevueRoyal Society Open Science · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHuman-Animal Interaction Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBreedDomesticationSelection (genetic algorithm)Task (project management)PsychologyBiologyDevelopmental psychologyEvolutionary biologyGeneticsArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

Human-directed gazing, a keystone in dog-human communication, has been suggested to derive from both domestication and breed selection. The influence of genetic similarity to wolves and selective pressures on human-directed gazing is still under debate. Here, we used the 'unsolvable task' to compare Czechoslovakian Wolfdogs (CWDs, a close-to-wolf breed), German Shepherd Dogs (GSDs) and Labrador Retrievers (LRs). In the 'solvable task', all dogs learned to obtain the reward; however, differently from GSDs and LRs, CWDs rarely gazed at humans. In the 'unsolvable task', CWDs gazed significantly less towards humans compared to LRs but not to GSDs. Although all dogs were similarly motivated to explore the apparatus, CWDs and GSDs spent a larger amount of time in manipulating it compared to LRs. A clear difference emerged in gazing at the experimenter versus owner. CWDs gazed preferentially towards the experimenter (the unfamiliar subject manipulating the food), GSDs towards their owners and LRs gazed at humans independently from their level of familiarity. In conclusion, it emerges that the artificial selection operated on CWDs produced a breed more similar to ancient breeds (more wolf-like due to a less-intense artificial selection) and not very human-oriented. The next step is to clarify GSDs' behaviour and better understand the genetic role of this breed in shaping CWDs' heterospecific behaviour.

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 enseignants0,335
Score d'incertitude au seuil0,606

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,002
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 Opus0,037
Tête enseignante GPT0,383
Écart entre enseignants0,346 · 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

Citations26
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRoyal Society Open ScienceMême sujetHuman-Animal Interaction StudiesTravaux en français237 207