Is exploration a metric for information gathering? Attraction to novelty and plasticity in black‐capped chickadees
Notice bibliographique
Résumé
Abstract Animals can learn about the value of resources and predation risk by exploring novel environments or exploring novel stimuli in their regular environments. Still, there is a disconnect in the way that exploration has been defined and measured; exploration is defined in terms of information acquisition, while measured in terms of movement speed and diversity of contacted items in a novel environment. If exploration is indeed a measurement of information gathering, fast explorers should seek to reduce uncertainty about their environment more than slow explorers. Exploration speed has also been linked to behavioral plasticity, where fast explorers move fast but collect less detailed information, thereby forming routines and expressing less plasticity than slow explorers. We test these two hypotheses by comparing exploration in a novel environment to individuals' attraction to novelty and behavioral plasticity. Our results support the view that exploration is a measurement of information‐gathering tendencies as fast explorers were more likely to collect novel information, which should reduce uncertainty further than sampling familiar information sources, compared with slower explorers. Furthermore, faster explorers switched to sampling novel information more quickly than slow explorers when the value of the familiar option decreased, opposing the widely held view that faster explorers present more routine‐like behavior. By providing familiar and novel foraging options in close spatial contiguity, we demonstrate an attraction to novelty in faster explorers that cannot be confounded by activity rate, thereby suggesting that these individuals seek to reduce uncertainty. In conclusion, our results support the biological validity of the term “exploration” through its association with information gathering.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».