Learning when to learn: hummingbirds adjust their exploration behaviour to match the value of information
Notice bibliographique
Résumé
Abstract Exploration is a key part of an animal’s ability to learn. The exploration-exploitation dilemma predicts that individuals should adjust their exploration behaviour according to changes in the value of information. Here, we test this prediction by tracking ruby-throated hummingbirds as they foraged repeatedly from a large array of artificial flowers, wherein 25% of the flowers contained a sucrose reward. Similar to real-world floral dynamics, the reward locations were consistent in the short-term, but varied from day to day. Thus, the value of information about the flower contents would be greatest at the beginning of a daily foraging session, and decay toward the end of each session. We tracked five individual hummingbirds in repeated foraging sessions, comprising more than 3,400 floral probes. We analyzed two metrics of their exploration behaviour: (1) the probability that a bird would shift from probing one flower to another, and (2) the Shannon information entropy of a sequence of flowers probed. We show that initially, the hummingbirds increased their exploration behaviour as time elapsed within a session. As they performed more sessions and learned the rules of the environment, the hummingbirds switched to explore more diverse choices at the beginning of a foraging session, when the value of information was high, and less diverse choices toward the end of a session. Our results suggest that foraging hummingbirds can learn when to learn, highlighting the importance of plasticity in exploration behaviour. Highlights Exploration is a necessary part of learning Foragers must balance sampling for information with the use of known rewards Hummingbirds learned to explore more when the value of new information was high Apparent mistakes may actually represent an information-seeking strategy
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 | 0,000 |
| 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 ».