The pace and sequence of spatial learning: exploration facilitates long‐term behavioral refinement
Notice bibliographique
Résumé
Understanding how animals learn in novel environments is crucial for predicting behavioral responses to rapid environmental change, yet we lack knowledge about how long different behaviors take to develop and refine, and how exploration facilitates learning. We tested the exploration–refinement hypothesis using movement and diet data from GPS‐collared bison Bison bison (n = 10) monitored for five years following reintroduction to Banff National Park. We examined how exploration influenced movement efficiency, habitat selection behaviors, and home range establishment. Different behaviors showed distinct learning trajectories. Movement efficiency in familiar areas reached an inflection point at 384 days, but when facing unfamiliar terrain, efficiency decreased as animals needed time to learn the new area. Habitat selection behaviors showed rapid initial improvement followed by extended refinement periods lasting up to three years. Exploratory movements occurred primarily in the first year (57%) but continued throughout the study and were positively correlated with improvements in habitat selection behaviors and home range stabilization, but not with movement efficiency. Our results demonstrate that exploration facilitates spatial learning – the process of acquiring and using information about environmental structure, distances, and relative positions to navigate effectively, locate resources, and avoid threats. This suggests that allowing individuals to explore while preventing large dispersal movements may be required for successful reintroductions. The extended timeline required for spatial behaviors to stabilize (3–4 years) indicates that behavioral refinement takes substantially longer than typically assumed, highlighting the need to align monitoring periods with the biological timeframes required for animals to learn novel environments.
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 | 0,000 | 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) | 0,000 | 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 ».