136 articoli
La curiosità su come gli animali pensano, sentono e interagiscono con il mondo è al centro di questa sezione dedicata al comportamento e alla cognizione animale. Qui esploriamo ricerche che svelano le menti di creature diverse, dai complessi linguaggi dei cetacei alle sottili dinamiche sociali degli insetti, rendendo accessibili scoperte che spesso rimangono confinate tra gli esperti.
Ogni nuovo preprint pubblicato su bioRxiv in questo ambito viene elaborato dal team di Gist.Science per offrire sia una spiegazione semplice per tutti, sia un'analisi tecnica approfondita. Questo processo garantisce che le ultime scoperte scientifiche siano comprensibili e utili a un pubblico vasto, senza perdere il rigore necessario.
Di seguito trovate i lavori più recenti pubblicati su bioRxiv relativi al comportamento e alla cognizione animale, selezionati e riassunti per voi.
Questo studio dimostra che gli esseri umani utilizzano un prior interiorizzato della gravità terrestre per predire il proprio automovimento, ma questo effetto è osservabile solo in condizioni di compito ecologicamente valide in cui le parti del corpo fungono da punti di riferimento anziché il livello degli occhi.
Questo articolo sintetizza evidenze empiriche e modelli teorici per dimostrare che le variazioni temporali dei tratti comportamentali degli animali modellano in modo significativo le interazioni preda-predatore e la stabilità delle reti trofiche, sottolineando la necessità critica di comprendere come i cambiamenti indotti dall'uomo nei segnali ambientali possano riconfigurare queste reti ecologiche.
Il documento introduce un metodo computazionalmente efficiente per quantificare l'incertezza nei parametri del modello di diffusione con deriva che tiene conto della dipendenza temporale e della variabilità dei parametri, come dimostrato dalla sua applicazione al processo decisionale dinamico di ratti in un compito visivo.
Questo studio dimostra che in assenza di una regina, le operaie dei bombi mostrano una maggiore variabilità comportamentale e assumono ruoli influenti, guidando una riorganizzazione delle reti sociali da architetture centralizzate a decentralizzate.
Utilizzando la risonanza magnetica funzionale BOLD su suinetti giovani, questo studio dimostra che i cervelli di suinetti anestetizzati possono elaborare in modo differenziale le vocalizzazioni conspecifiche positive e negative attivando regioni distinte all'interno delle vie uditive, limbiche e di ricompensa, con i suoni negativi che coinvolgono in modo unico l'amigdala, l'insula e l'ippocampo destro.
Contrariamente all'aspettativa che la qualità del servizio guidi la crescita nei pesci pulitori, uno studio di 11 mesi su 540 individui rivela che una crescita rapida è determinata principalmente dalla ridotta controllo sociale da parte degli individui dominanti piuttosto che dal comportamento di imbroglio o dall'attività di frega.
Questo studio dimostra che le relazioni verbali di confidenza sono più sensibili di quelle numeriche nel distinguere le decisioni percettive corrette da quelle errate, mentre entrambi i formati si rivelano ugualmente efficaci nel facilitare la revisione accurata dei giudizi durante la collaborazione diadica.
Autobehaver è una pipeline interpretabile guidata dall'intelligenza artificiale che combina una piattaforma di registrazione a basso costo con tecniche di deep learning e machine learning per analizzare e classificare quantitativamente i complessi comportamenti di Drosophila, identificando con successo cambiamenti fenotipici neurali, legati all'età e intermedi.
Questo studio dimostra che il riconoscimento del canto nella mosca parassitoide *Ormia ochracea* si basa su una codifica multidimensionale di caratteristiche temporali indipendenti (durata dell'impulso e intervallo interimpulso) piuttosto che su un singolo parametro derivato come la frequenza degli impulsi, rivelando che la preferenza della mosca per 50 impulsi/s emerge da uno spazio di caratteristiche sottostante.
Questo articolo presenta il framework open-source e riproducibile `ai-pam-pipeline` per il rilevamento delle vocalizzazioni dei cetacei basato su CNN, dimostrando attraverso esperimenti controllati che le scelte di pre-elaborazione, come la lunghezza della finestra FFT, influenzano significativamente la generalizzazione cross-dominio pur ottenendo elevate prestazioni sia nei compiti di rilevamento binario che multiclasse.