Replication Data for: Fundamental Learning Differences Across Five Dog Breed Clades: Breed-specific Predispositions, Individual Experiences, or a Fusion of Both?
Notice bibliographique
Résumé
Learning is crucial for shaping domestic dogs’ behaviour through life experiences, yet not all breeds exhibit the same learning aptitude towards a particular task. The current study's objective was to identify differences in fundamental learning features across and within five breed clades and elucidate the underlying factors contributing into these differences. Dogs (N=111) from five different breed clades (UK Rural, Retrievers, Asian Spitz, European Mastiff, and New World) participated in a virtual learning task with their owners. Owners completed validated questionnaires of Impulsivity and Reward Responsiveness. The learning task comprised of reinforcing an arbitrary behaviour (hand-touch) through multiple sessions of Acquisition (reinforcing the hand-touch), Discrimination (reinforcing the hand-touch on one of two hands) and Reversal Learning (reinforcing the hand-touch on the opposite hand), followed by a single session of Extinction (hand-touch not reinforced). Results showed notable differences across the studied breed clades in certain learning components. However, these disparities may not solely stem from inherent cognitive variations among breeds but rather potentially influenced by contextual factors such as the human-dog communication dynamics attributed to breeds’ cooperativity. Furthermore, breed clades differed in the contributing factors predicting individual learning performances, which also highlights the potential effect of breeds’ historical function.
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 | 0,006 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,023 |
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 ».