MétaCan
Menu
← Retour à la cohorte

Impact of social and personalized visual enrichment on stereotypic behaviors in rhesus macaque monkeys in the laboratory: a case study

2025· peer-review· en· W4417345253 sur OpenAlexaff
Nathan Lambert, Mathilde Pauchard, Clara Saleri, David Thura

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2025
Typepeer-review
Langueen
Domaine
Thématique
Établissements canadiensUniversité de Montréal
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésMacaqueHabituationRhesus macaqueStereotypyAnimal modelVisual perceptionSocial behavior

Résumé

récupéré en direct d'OpenAlex

Stereotypies, defined as repetitive behaviors with no apparent purpose, are frequent in some animals kept in captivity, posing a major ethical and scientific challenge for biomedical research involving animals for scientific purposes. This article describes the case of a rhesus macaque who tends to express marked stereotypies when temporarily separated from his partner. In an attempt to improve the animal's condition during these short periods of separation, the impact of exposure to a video of his partner was tested. This video was shown to the animal during five experimental sessions, and the animal's behavior was analyzed using BORIS software, which quantifies the duration of stereotypies. The results indicate an immediate and significant reduction in stereotypic behaviors when the animal is first exposed to the video of his partner during her absence. However, a gradual return of stereotypies is observed during subsequent exposures, suggesting habituation to the visual enrichment offered. A lasting improvement in well-being through social visual enrichment is therefore not observed for this animal. These data are discussed in light of the specificity of the protocol used, the factors that may have interfered with its effectiveness, and the profile of the animal in question.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,347
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)→Travaux en français237 207→