MétaCan
Menu
Retour à la cohorte
Enregistrement W6929697349 · doi:10.5061/dryad.r3117t8

Data from: The socially mediated recovery of a fearful fish paired with periodically replaced calm models

2018· dataset· en· W6929697349 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2018
Typedataset
Langueen
DomaineMedicine
ThématiqueGrowth Hormone and Insulin-like Growth Factors
Établissements canadiensUniversity of SaskatchewanConcordia University
Organismes subventionnairesnon disponible
Mots-clésSocial learningMechanism (biology)Transfer of learningFish <Actinopterygii>Stress (linguistics)Animal modelObservational learning

Résumé

récupéré en direct d'OpenAlex

Social learning is an important mechanism for acquiring knowledge about environmental risk. However, little work has explored the learning of safety and how such learning outcomes are shaped by the social environment. Here, we exposed minnows, Pimephales promelas, to a high-risk environment to induce behavioral responses associated with fear (e.g., neophobia). We then used the presence of calm conspecific models (low-risk individuals) to weaken these responses. When observers (individuals from the high-risk environment) and models were paired consistently in a one-on-one setting, the observers showed no recovery (i.e., no weakening of the fear responses), and instead the models indirectly acquired those responses (i.e., a socially-transmitted state of fear). However, observers paired with models that were periodically replaced with new calm models showed a significant recovery, and each new model showed diminished socially-transmitted fear. We argue that our understanding of predation-related fear and social information transfer can prove fruitful in understanding problems with fear and stress across animal taxa, including among humans who experience post-traumatic stress and secondary trauma. Our findings indicate that the periodic replacement of models can promote fear recovery in observers and reduce socially-transmitted fear in models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0040,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,044
Tête enseignante GPT0,262
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetGrowth Hormone and Insulin-like Growth FactorsTravaux en français237 207