110 papers
Deze collectie duikt in de fascinerende wereld van diergedrag en cognitieve processen, waar onderzoekers proberen te begrijpen hoe dieren hun omgeving waarnemen, problemen oplossen en met elkaar communiceren. Van het complexe sociale leven van roofdieren tot de geheugenvaardigheden van vogels, deze studies schetsen een beeld van het dierlijke bewustzijn dat vaak verrassend diepgaand is.
Op Gist.Science hebben we elke nieuwe preprint in deze categorie vanuit bioRxiv zorgvuldig verwerkt. Voor elk artikel bieden we niet alleen een technisch gedetailleerde samenvatting voor experts, maar ook een heldere uitleg in gewone taal, zodat iedereen de inzichten kan volgen. Hieronder vindt u de nieuwste publicaties over diergedrag en cognitie die we recent hebben geselecteerd.
Dit artikel presenteert en valideert een proof-of-concept systeem dat gebruikmaakt van Hall-effect sensoren en een magnetische tag om betrouwbare, niet-invasieve, realtime monitoring van de aanwezigheid en activiteit van de koningin bijen mogelijk te maken voor precisie-apicultuur.
Deze studie vestigt een geautomatiseerd, niet-invasief home-cage-platform voor marmoosetachtigen en maakt gebruik van reinforcement learning-modellering om aan te tonen dat beloningsvoorspelbaarheid gedragsstaten reorganiseert, waardoor foutcorrectie wordt aangescherpt en de exploitatieve controle tijdens besluitvorming wordt verbeterd.
Dit artikel breidt het informatie-hongerige "infotaxis"-algoritme uit om echolocatie te modelleren als een actieve zoektocht naar informatie, waarbij wordt aangetoond dat een op infotaxis gebaseerde agent een efficiëntere en robuustere doelwitlokalisatie bereikt onder sensorische onzekerheid vergeleken met traditionele maximum a posteriori-benaderingen.
Deze review betoogt dat de translationele kloof in psychedelisch onderzoek voortkomt uit systematische methodologische gebreken in dierstudies—specifiek de verwaarlozing van "set en setting"-factoren, het gebruik van inadequate gedragstesten, en het falen om rekening te houden met individuele verschillen en de sociale context—wat een fundamentele verschuiving noodzaakt naar longitudinale, sociaal verrijkte en individueel bijgehouden experimentele ontwerpen.
Dit artikel introduceert de Successor Representation met Importance Sampling (SR-IS), een nieuw model dat beleidsonafhankelijke voorspellende kaarten construeert om efficiënte, flexibele planning mogelijk te maken en menselijke herplanningsbiases beter verklaart dan bestaande theorieën.
Door een reeks tekenexperimenten met volwassenen en kinderen toont deze studie aan dat het menselijk ruimtelijk geheugen fundamenteel gestructureerd is rond behouden topologische relaties, zoals knooppunten en gaten, terwijl metrische details zoals hoeken en lengtes systematisch worden vervormd en gedegradeerd over de tijd.
Deze studie daagt de hypothese uit dat de menselijke spraak is geëvolueerd door een expansie van het vocale akoestische bereik, door aan te tonen dat spraak en zang in werkelijkheid een aanzienlijk kleinere en statistisch ononderscheidbare akoestische kenmerkruimte bezetten vergeleken met menselijke niet-linguïstische vocalisaties en de roepen van nauwe verwante primaten.
Op basis van langetermijngegevens van wilde chimpanseesen deze studie aan dat individuen hun sociale netwerken proactief reorganiseren door de breedte en efficiëntie van hun affiliatieve interacties te vergroten voorafgaand aan risicovolle collectieve territoriale verdediging, wat wijst op een gedeeld evolutionair mechanisme voor het voorbereiden van hominiden groepen op sociale dilemma's.
Dit artikel introduceert een gedistribueerd model dat dimensionale uitkomstrepresentaties incorporeert in associatief leren, waarmee via vier experimenten wordt aangetoond dat het traditionele binaire modellen aanzienlijk overtreft in het voorspellen van continue uitkomsten en beter reflecteert hoe mensen causale relaties in complexe omgevingen coderen.
Dit artikel presenteert een uitgebreide multimodale dataset die de 3D-reconstructie van interacties tussen de lichaamsomgeving en de gewone marmoset mogelijk maakt door CT-afgeleide meshes, rigged modellen, gesynchroniseerde multi-view gedragsvideo's en omgevingsmodellen te integreren om geavanceerde gedragsanalyse en digital-twin-toepassingen te ondersteunen.