Exploring the impact of a brief positive experience on dogs’ performance and stress resilience during a learning task
Notice bibliographique
Résumé
Learning and stress resilience can be influenced by recent experiences. Research has traditionally focused on the effects of negative situations and stressors on subsequent learning and stress resilience, while knowledge is limited regarding the effects of positive experiences. We aimed to examine the impact of a pre-session brief positive experience on dogs' learning and stress resilience. Pet dogs were quasi-randomly assigned to the experimental (n = 20) or control (n = 20) group, counterbalanced for age, sex, and breed clade. Experimental dogs received a session intended to provide a positive experience, which included a 15 min walk on a long leash, human interaction, exploration, playing, and olfactory-based foraging. Control dogs were kept on leash in an office without being allowed to explore nor interact with their owner or the experimenters for 15 min. After 60 s of habituation to the testing room, all dogs were taught to nose-touch the experimenter's hand. After the Learning phase, there was a 2 min Disruption phase, in which a remote-controlled car moved inside of a tub at a distance. Measures included the number of hand touches in each phase, the latency to return to the task, and general stress and affiliative behaviours. No differences were observed in the Learning phase. Surprisingly, experimental dogs exhibited higher stress levels than control dogs during the Disruption phase. These dogs also spent a significantly higher proportion of time in proximity to their owners, which could be interpreted as reassurance-seeking behaviour. Contrary to our predictions, exposure to a brief positive experience did not impact learning and, surprisingly, seemed to have made dogs more susceptible to stress during the Disruption phase. Several possible explanations are discussed, including the possibility of an unintentional induction of a negative emotional state by the termination of the positive experience, as well as differences in arousal, or habituation to the indoor environment.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».