MétaCan
Menu
Retour à la cohorte
Enregistrement W7093323420 · doi:10.5683/sp3/kvsbeu

Replication Data for: Breed and Individual Variation in Win–Stay/Lose–Shift Behaviour and Perseverance for Food Rewards in Domestic Dogs (Canis familiaris)

2025· dataset· W7093323420 sur OpenAlexaffabout

Notice bibliographique

RevueBorealis · 2025
Typedataset
Langue
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Management and Change
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésGermanBreedReplication (statistics)Variation (astronomy)Selection (genetic algorithm)Valuation (finance)Demographics

Résumé

récupéré en direct d'OpenAlex

Food-driven behaviours reflect how animals balance costs and benefits of obtaining food, a process shaped by underlying motivation and previous learning experiences. In domestic dogs, centuries of artificial selection resulted in marked variations in motivational and cognitive profiles across breeds and individuals. Yet, how these differences jointly influence behaviours in food-related contexts remains poorly understood. Labrador Retrievers (n = 24) and German Shepherd Dogs (n = 24) completed (a) an object-choice task, assessing outcome-based behavioural strategies (win-stay/lose-shift), and (b) a hand-touch progressive-ratio (PR) task, measuring perseverance and willingness to work for food. Statistical models compared breeds and individuals while accounting for questionnair e-based measures of food motivation, impulsivity, frustration, and training history. Labrador Retrievers reached higher PR breakpoints than German Shepherd Dogs, showing greater willingness to work for food. Higher breakpoints were also observed in dogs with advanced training experiences. Furthermore, dogs were less likely to shift after wins than after losses , suggesting that they adjusted their behaviour based on the outcome of their most recent choice. However, frustration tolerance modulated this pattern from typical win-stay/lose-shift responding. Labrador Retrievers shifted more often than German Shepherd Dogs. However, Labradors’ shifting propensity was markedly modulated by their individual valuation of food, as dogs with higher food motivation scores favoured staying on previously rewarded choices. Furthermore, advanced training was associated with choice perseverance, reflected in higher win–stay, reduced lose–shift, and an increased likelihood of developing a side bias. Collectively, findings highlight both breed-specific and individual differences in food-driven behaviours 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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,507
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,275
Écart entre enseignants0,238 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBorealisMême sujetOrganizational Management and ChangeTravaux en français237 207