Siblings matter: Family heterogeneity improves associative learning later in life
Notice bibliographique
Résumé
Abstract Despite the strong interest in connecting social complexity and cognitive ability, there remains considerable debate about how to best quantify both cognitive performance and social complexity. Measuring group and brain size are clearly not sufficient and recent attention has been placed on the use of rigorous, increasingly challenging cognitive tasks and studying the quality, not merely the number of social interactions. Here we used two cichlid fishes from Lake Tanganyika, one cooperative breeder and one biparental species, in a cross‐fostering experiment, to investigate the links between social complexity and cognition. While controlling for parental cues, individual fish grew up either in a socially homogenous group with only conspecifics or in a mixed and diverse social group with hetero‐ as well as conspecifics and then were tested for learning abilities as subadults. To quantify differences in learning, we first employed a discrimination learning task followed by a reversal learning task that requires behavioral flexibility, as previous associations are forgotten and new associations forged. We found that individuals growing up in a more diverse social environment learned faster and made fewer mistakes in the discrimination learning task, but this ability did not transfer to the reversal learning task. Irrespective of the early social experiences, the cooperatively breeding, and thus the more social of the two cichlid species, learnt the color discrimination more quickly and made significantly fewer errors. These results provide a first demonstration of a possible association between cognitive performance and social complexity in cichlid fishes.
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 ».