Mild movement sequence repetition in five primate species and evidence for a taxonomic divide in cognitive mechanisms
Notice bibliographique
Résumé
When animals forage, they face complex multi-destination routing problems. Traplining behaviour-the repeated use of the same route-can be used to study how spatial memory might evolve to cope with complex routing problems in ecologically distinct taxa. We analyzed experimental data from multi-destination foraging arrays for five species, two cercopithecine monkeys (vervets, Chlorocebus pygerythrus, and Japanese macaques, Macaca fuscata) and three strepsirrhines (fat-tailed dwarf lemurs, Cheirogaleus medius, grey mouse lemurs, Microcebus murinus, and aye-ayes, Daubentonia madagascariensis). These species all developed relatively efficient route formations within the arrays but appeared to rely on variable cognitive mechanisms. We found a strong reliance on heuristics in cercopithecoid species, with initial routes that began near optimal and did not improve with experience. In strepsirrhines, we found greater support for reinforcement learning of location-based decisions, such that routes improved with experience. Further, we found evidence of repeated sequences of site visitation in all species, supporting previous suggestions that primates form traplines. However, the recursive use of routes was weak, differing from the strategies seen in well-known traplining animals. Differences between strepsirrhine and cercopithecine strategies may be the result of either ecological or phylogenetic trends, and we discuss future possibilities for disentangling the two.
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 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,000 | 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 ».