Experienced Social Partners Hinder Learning Performance in Naive Clonal Fish
Notice bibliographique
Résumé
Abstract Social learning is widely assumed to enhance individual learning efficiency, particularly when naive observers have access to skilled demonstrators, yet the conditions under which this assumption holds remain poorly understood. Here, we investigated how individual learning is influenced by the skill level of social partners. We predicted that naive individuals would benefit from observing experienced conspecifics, yet found the opposite: trained partners significantly impaired naive individuals’ learning performance, while trained individuals remained unaffected by their partner’s skill level. We conducted experiments in near-identical individuals, using the all-female clonal Amazon molly ( Poecilia formosa ) to test whether these fish can learn an operant foraging task, whether individuals differ consistently in learning ability, and whether partner skill level influences learning performance. Using an operant conditioning paradigm over five days, half of the fish were trained to locate food inside a cylinder, whereas the remaining individuals received food randomly dispersed within their tank. Trained individuals subsequently visited the cylinder more frequently than randomly fed individuals and exhibited consistent individual differences in learning performance. In a second phase, fish were allowed to observe a conspecific while individual training was either continued (for trained individuals) or initiated (for naive individuals). We found that trained individuals did not benefit from the presence of a partner, regardless of the partner’s proficiency, but consistently outperformed naive individuals. In contrast, naive individuals showed reduced learning performance when paired with experienced partners, but not with naive partners. Together, our results indicate that Amazon mollies achieve this foraging task through individual learning and exhibit stable differences in learning ability. Moreover, social learning depends on both the learner’s own skill level and that of the social partner, such that observing an experienced conspecific may, in some cases, impede rather than enhance learning.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».