Friend or foe? Using eye-tracking technology to investigate the visual discrimination ability of giant pandas
Notice bibliographique
Résumé
Abstract The role that visual discriminative ability plays among giant pandas in social communication and individual discrimination has received less attention than olfactory and auditory modalities. Here, we used an eye-tracker technology to investigate pupil fixation patterns for 8 captive male giant pandas Ailuropoda melanoleuca. We paired images (N = 26) of conspecifics against: 1) sympatric predators (gray wolves and tigers), and non-threatening sympatric species (golden pheasant, golden snub-nosed monkey, takin, and red panda), 2) conspecifics with atypical fur coloration (albino and brown), and 3) zookeepers/non-zookeepers wearing either work uniform or plain clothing. For each session, we tracked the panda’s pupil movements and measured pupil first fixation point (FFP), fixation latency, total fixation count (TFC), and duration (TFD) of attention to each image. Overall, pandas exhibited similar attention (FFPs and TFCs) to images of predators and non-threatening sympatric species. Images of golden pheasant, snub-nosed monkey, and tiger received less attention (TFD) than images of conspecifics, whereas images of takin and red panda received more attention, suggesting a greater alertness to habitat or food competitors than to potential predators. Pandas’ TFCs were greater for images of black-white conspecifics than for albino or brown phenotypes, implying that familiar color elicited more interest. Pandas reacted differently to images of men versus women. For images of women only, pandas gave more attention (TFC) to familiar combinations (uniformed zookeepers and plain-clothed non-zookeepers), consistent with the familiarity hypothesis. That pandas can use visual perception to discriminate intra-specifically and inter-specifically, including details of human appearance, has applications for panda conservation and captive husbandry.
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 | 0,000 |
| 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) | 0,002 | 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 ».