Behavioural innovation: Sources and predictors of intraspecific variation in Trinidadian guppies (Poecilia reticulata)
Notice bibliographique
Résumé
Au cours de leurs vies, la plupart des animaux vivront des changements environnementaux prévisibles et non-prévisibles. Pour plusieurs espèces, les adaptations comportementales sont importantes pour répondre rapidement aux ces changements. Nous observons de la variation notable en comportement chez les individus, mais les raisons pour cette variation ne sont pas claires. Dans ce travail de thèse, j’ai examiné les origines géographiques, ainsi que les indicateurs physiques et comportementales associés avec la variation individuelle dans la tendance d’innover (c’est-à-dire, la production des comportements novateurs) dans les guppy Trinidadiens (Poecilia retuculata). En chapitre 2, j’ai caractérisé et comparé les tendances d’innover et leurs indicateurs en deux populations femelles de guppy à Trinidad. J’ai démontré qu’il existe de la variation entre les populations, mais que les comportements actifs et exploratoires sont liés avec l’innovation dans une seule population examinée. Ces résultats suggèrent qu’il se peut que les différences entres des populations constituent une source importante de la variation intraspécifique, à la fois dans l’expression de l’innovation et leurs caractéristiques associées. Ensuite, en chapitre 3, j’ai analysé les tendances d’innover dans un contexte de laboratoire chez des guppy mâles et femelles. Pour mieux comprendre les indicateurs et les facteurs cognitives qui influencent l’innovation, j’ai examiné plusieurs comportements divers tel que la vitesse d’apprentissage. J’ai trouvé des différences en tendances d’innover ainsi que des différences en apprentissage entres les sexes, mais aucune influence des indicateurs comportementales, incluant apprentissage, sur l’innovation. Ceci peut suggérer que les tendances d’innover et d’apprendre sont soumises à des compromis entre la vitesse et la précision qui diffèrent pour les mâles et femelles. Cette incohérence avec les résultats vus en chapitre 2 soulève des questions à propos de quels facteurs soutiennent ces différences, puisque les expériences laboratoires et sur places utilisaient des tâches d’innovation différentes. Alors, j’ai examiné en chapitre 4 si les tendances d’innover et ses indicateurs étaient spécifiques à la tâche présentée ou pas, en faisant une comparaison de la performance individuelle des guppy mâles et femelles à travers quatre tâches nouvelles, comprenant deux styles de tâches. Semblable à chapitre 3, j’ai établi que le sexe d’un individu est une source importante de variation car les mâles et les femelles varient en répétabilité; quelques indices suggèrent une capacité générale pour les tâches présentées chez les mâles (cependant fortement influencé par deux tâches en particulier), contrairement aux femelles qui démontrent peu de répétabilité pour des tâches spécifiques. De plus, mes résultats suggèrent que les indicateurs comportementaux sont reproductibles, mais leurs influences dépendent de la tâche spécifique. Ceci explique peut-être les conclusions diverses des chapitres précédents. Dans l’ensemble, ma thèse démontre que la variation comportementale intraspécifique peut se produire d’une variété des sources, et soulève des questions importantes au sujet de comment les mesures différentes d’un comportement particulier sont reliées les uns aux autres
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».