Dog–Human Play, but Not Resting Post-Learning Improve Re-Training Performance up to One Year after Initial Task Acquisition in Labrador Retriever Dogs: A Follow-On Study
Notice bibliographique
Résumé
Arousing and emotional situations can improve cognitive performance and the memorability of events. Recently, the enhancement of training performance in Labrador Retriever dogs through 30 min of dog–human play immediately after acquiring a novel task, when compared to a resting period, was demonstrated. This follow-on study used the same pseudo-randomized, counterbalanced, between-subject study design, and 11 Labrador Retrievers were re-trained in the identical two-choice discrimination paradigm after a period of 1 year. The playful activities group needed significantly less trials and made significantly less errors to successfully reach the re-training criterion (Mann–Whitney U test, critical value of U at p < 0.05 is 5, U = 5, Z = 1.73, p = 0.04 and U = 4.5, Z = 1.8, p = 0.03, respectively). Following model simplification of a multiple factor/covariate general linear model analysis, the type of intervention, the number of trials needed to re-learn the task after 24 h, the average heart rate during the intervention a year ago, and age were significantly correlated to the number of trials and errors needed to resolve the task. A significant difference due to intervention allocation (heart rate during the intervention, trials needed to re-learn the task after 24 h) between the groups was confirmed. Age did not significantly differ between the groups; nevertheless, the effects of ageing cannot be fully excluded, given the low sample size. No effects of the trainer and of the cortisol concentrations (of the previous year) were observed. This is the first evidence that post-training activity may influence memory up to 1 year after task acquisition.
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 | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 ».