The impact of learning opportunities on the development of learning and decision-making: an experiment with passerine birds
Notice bibliographique
Résumé
Developmental context has been shown to influence learning abilities later in life, namely through experiments with nutritional and/or environmental constraints (i.e. lack of enrichment). However, little is known about the extent to which opportunities for learning affect the development of animal cognition, even though such opportunities are known to influence human cognitive development. We exposed young zebra finches ( Taenopygia guttata ) ( n = 26) to one of three experimental conditions, i.e. an environment where (i) colour cues reliably predicted the presence of food (associative learning), (ii) a combination of two-colour cues reliably predicted the presence of food (conditional learning), or (iii) colour cues were non-informative (control). After conducting two different discrimination tasks, our results showed that experience with predictive cues can cause increased choice accuracy and decision-making speed. Our first learning task showed that individuals in the associative learning treatment outperformed the control treatment, while task 2 showed that individuals in the conditional learning treatment had shorter latencies when making choices compared with the control treatment. We found no support for a speed–accuracy trade-off. This dataset provides a rare longitudinal and experimental examination of the effect of predictive versus non-predictive cues during development on the cognition of adult animals. This article is part of the theme issue ‘Life history and learning: how childhood, caregiving and old age shape cognition and culture in humans and other animals’.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,001 | 0,002 |
| 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) | 0,000 | 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 tête enseignante, 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 ».