MétaCan
Menu
Retour à la cohorte
Enregistrement W3110806750 · doi:10.3758/s13420-020-00448-z

Estimating on the fly: The approximate number system in rufous hummingbirds (Selasphorus rufus)

2020· article· en· W3110806750 sur OpenAlexaff
Mia K. Corliss, Theo Brown, T. Andrew Hurly, Susan D. Healy, Maria C. Tello-Ramos

Notice bibliographique

RevueLearning & Behavior · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueCognitive and developmental aspects of mathematical skills
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesUniversity of St Andrews
Mots-clésNumerosity adaptation effectHummingbirdForagingZoologyBiologyCommunicationEcologyPsychologyNeuroscienceCognition

Résumé

récupéré en direct d'OpenAlex

When presented with resources that differ in quantity, many animals use a numerosity system to discriminate between them. One taxonomically widespread system is the approximate number system. This is a numerosity system that allows the rapid evaluation of the number of objects in a group and which is regulated by Weber's Law. Here we investigated whether wild, free-living rufous hummingbirds (Selasphorus rufus) possess an approximate number system. The hummingbirds were presented with two experiments. In the first we investigated whether hummingbirds spontaneously chose an array containing more flowers than an alternate array. In the second we asked whether the hummingbirds could learn to use numerosity as a cue to which of two arrays contained the better reward. The birds did not spontaneously prefer an array containing more flowers. After minimal training, however, they learned to choose the more numerous array and could differentiate between arrays of five and seven flowers. These data support the presence of an approximate number system in the rufous hummingbird. It seems plausible that having such a system would enable much more efficient foraging in this species.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,046
Tête enseignante GPT0,303
Écart entre enseignants0,257 · 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'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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLearning & BehaviorMême sujetCognitive and developmental aspects of mathematical skillsTravaux en français237 207