Dynamic strategic social learning in nest-building zebra finches and its generalisability
Notice bibliographique
Résumé
Abstract Animals often balance asocial and social information strategically, adjusting when and from whom they copy based on context. Yet the cognition driving this dynamic—and its broader implications—remains poorly understood. We tested whether zebra finches use a copy-if-dissatisfied strategy by manipulating the quality of their initial nest-building or reproductive experience, showing them a conspecific nest-builder, and tracking subsequent material choices. Builder-males were more likely to choose the demon-strated ‘social’ material—particularly at first choice—if they had previously used low-quality material. Using cognitive modelling, we estimated how latent learning mechanisms shaped decisions, identifying two asocial and two social parameters. These estimates provide the first formal evidence for the cognitive basis of nest building. Forward simulations informed—but not predetermined—by these parameters approximated observed behaviour, supporting their causal role. We then used these parameters in exploratory simulations to test how choices might shift under novel payoff contexts. We found that payoff structure—not (dis)satisfaction—was the primary driver of social material use, though higher rewards did not proportionally increase copying. These exploratory simulation results offer preliminary insight into mechanisms underlying material-use variation. Our study illustrates how computational modelling can robustly link behaviour to underlying learning mechanisms and probe the generalisability of animal cognition—a rarity in this field.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».