MétaCan
Menu
Retour à la cohorte
Enregistrement W6948494869 · doi:10.5061/dryad.gmsbcc2mw

Links between personality traits and problem-solving performance in zebra finches (Taeniopygia guttata)

2022· dataset· en· W6948494869 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typedataset
Langueen
DomaineMedicine
ThématiqueBiological and pharmacological studies of plants
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHyporeflexiaNucleofectionCircumstantial evidenceArticular cartilage damageGestational periodTubulopathy

Résumé

récupéré en direct d'OpenAlex

Consistent individual differences in behaviour across time or contexts (i.e., personality types) have been found in many species and have implications for fitness. Likewise, individual variation in cognitive abilities has been shown to impact fitness. Cognition and personality are complex, multidimensional traits. However, previous work has generally examined the connection between a single personality trait and a single cognitive ability, yielding equivocal results. Links between personality and cognitive ability suggest that behavioural traits coevolved and highlight their nuanced connections. Here we examined individuals’ performance on multiple personality tests and repeated problem-solving tests (each measuring innovative performance). We assessed behavioural traits (dominance, boldness, activity, risk-taking, aggressiveness, and obstinacy) in 41 captive zebra finches. Birds’ scores for boldness and obstinacy were consistent over two years. We also examined whether personality correlated with problem-solving performance on repeated tests. Our results indicate that neophobia, dominance, and obstinacy were related to successful solving, and less dominant, more obstinate birds solved the tasks quicker on average. Our results indicate the importance of examining multiple measures over a long period. Future work that identifies links between personality and innovation in non-model organisms may elucidate the coevolution of these two forms of individual differences.

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 candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,076
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0760,000

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 Opus0,074
Tête enseignante GPT0,288
Écart entre enseignants0,214 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetBiological and pharmacological studies of plantsTravaux en français237 207