Factors Influencing Learning Task Failure in the Domestic Dog (Canis lupus familiaris)
Notice bibliographique
Résumé
Dog cognition research often requires dogs to meet initial screening criteria and complete preliminary behavioural tasks to proceed with subsequent experimental task phases. Reasons for the excluded dogs’ inability to meet the criteria, especially in the absence of major procedural errors, remain uncertain, whether stemming from cognitive differences, lack of motivation for rewards, or lack of specific experiences in dogs’ learning history. Our objective was to identify predictors of failure, shedding light on potential differences between the populations of dogs typically studied in cognitive research and the general dog population. A total of 150 pure-bred dogs performed a hand-touch learning task with their owners. The task consisted of different phases, each necessitating the dog to fulfill specific criteria before progressing to the subsequent phase. Inability to meet the specified task criteria led to failure. Binomial logistic regression was used to evaluate the probability of failure, incorporating dogs’ characteristics, training history, reward responsiveness, and impulsivity scores, along with factors specifying owners’ previous experiences with dogs as independent variables. Results indicated a higher likelihood of task failure associated with advancing age, lower food responsiveness scores, being a non-sporting dog, receiving non-food rewards in previous training, lack of familiarity with the hand-touch behaviour, along with the lack of dog training knowledge and a history of owning fewer dogs by the owner. Factors predicting task failure also varied between breed clades, with reward responsiveness being more influential in some clades, while training-related factors were more significant in others. This variation likely reflects breed-specific differences in learning profile and variations in responsiveness to external influences. Cognitive research may, therefore, be biased towards studying a certain group of dogs.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».