コンピューターの自動学習装置（ALDM）テストシステムのネットワークを用いた非ヒト霊長類における社会的認知の評価

この記事の全体的な目標は、A LDMとして知られる自動学習デバイスを使用して、人間以外の霊長類の社会的認知を研究することです。これは、RFID マイクロチップを装備したサルを使用して、エンクロージャーから自由に出して A LDM テスト ユニットに入ることができます。RFIDマイクロチップリーダーは、サルがA LDMテストユニットに入るときに、サルの数値IDをキャプチャします。

また、テストプログラムは認知実験を表示し、どの動物がどのLDMテストを使用するかを記録し、適応可能なプロトコルが実験者に社会的気分とパフォーマンスの影響、認知テスト中の社会的影響、および伝達連鎖における行動の文化的進化について研究者に通知できる場合。この結果は、ヒト以外の霊長類の社会的認知を研究するためのA LZMの使用を検証しています。私たちは、新しいプロトコルを提示し、ヒト以外の霊長類の社会的認知を研究することを嬉しく

この方法では、A LDMと呼ばれるサル用の自動学習装置を使用しました。まず、テストチャンバーの準備には、後部に開閉可能なスライドドアを備えたテストチャンバーを装備します。A LDMユニットの背面ドアを開けて、エンクロージャーからテストシステムにアクセスできるようにします。

テストチャンバーのフロントパネルには、7.3 x 7センチメートルのビューポートと2つのハンドポートを取り付けます。マイクロチップリーダーに接続されたアンテナを各ハンドポートの周りに取り付けます。アンテナは、対象のRFIGIDをキャプチャします。

各テストチャンバーの前に19インチの静電容量式タッチスクリーンを取り付けます。タッチスクリーンは、刺激を提示し、精度や応答時間などの応答関連変数を記録する役割を果たします。テストプログラムを実行する役割を果たす各テストユニットにPCコンピューターを接続します。

パラレルポートを介してフードディスペンサーをPCコンピューターに接続します。このディスペンサーは、A LDMモンキーエリア内に乾燥小麦の粒を送ります。サルが試験室に入り、ハンドポートから手を伸ばすと、コンピュータは個体を認識し、実験を開始し、応答を記録します。

ネットワークを設定するには、内部に 10 A の LDM ユニットを取り付け、モンキー エンクロージャに接続された 8 x 4 メートルのトレーラー 2 台と、各トレーラーに 5 台の A LDM ユニットを取り付けます。各 A LDM テストユニットを、IP アドレス経由でアクセス可能な一意の制御サーバーに接続します。テストプログラムは、各試行の前にサーバーから各サルに関する情報をアップロードし、各試行の終了時にサーバー上の被験者のテキストファイルを更新するように設計する必要があります。

A LDM ユニットが A LDM クロックを 1 日に 2 回同期していることを確認します。各試行の後、次のデータを現在のテストプログラムのテキストファイル、日付と時刻の名前として保存します。A LDM テストユニットに割り当てられたモンキーの名前番号。

テストレベル、トレーニングまたはスコアのテストのいずれかで、1つは正しい行動反応、2つは誤った反応のいずれかです。そして最後に、応答時間です。動物は自由にアクセスできる A LDM システム。

このパラダイムは、コンピュータ化されたA LDMテスト中に、有効状態の価数が動物の認知能力に及ぼす影響を評価するために使用されます。まず、各コンピューター上のいくつかの気晴らしの中からターゲットの視覚刺激を8日間にわたって選択することを主張する視覚検索タスクをインストールします。エンクロージャ内の各個人が示した動作を観察して手動で記録し、制御サーバーグループに同期したタイマーで動作のタイミングを記録します。

囲いの中で示された行動は、グルーミングなどの感情的に肯定的な社会的イベント、脅威などの感情的に否定的な社会的イベント、およびオブジェクト操作などの感情的に非社会的中立的なイベントに対応する3つのクラスターで示されます。エンクロージャー内の行動観察に続く3分間の時間枠内に得られた視覚探索タスクの応答時間を分析し、行動観察とコンピュータデータを同期して、このプロトコルを分析する。湿疹は、コンピューター化されたILDMテスト中に記録された認知能力に関する検索コンテキストと他の個人の存在の推論です。

今回は、アプリの平行四辺形の後に画面の左側または右側に円が表示される応答が提示されるタスクをインストールします。猿が好きなようにテストシステムを使用できるようにします。したがって、いくつかのサルが隣接するテストシステムを使用できます。

コンピュータは、どの個人がどのシステムを使用しているかを記録します。テストプログラムが各個人のパフォーマンスと試験の社会的背景を記録することを確認します。たとえば、他の A LDM テスト ユニットが同時に使用されている場合、すべてのデータが収集されたときにどのサルがサルであるか、社会的コンテキストに応じた応答時間の変動を分析します。

また、このパラダイムを利用して、社会的に伝達される情報の進化を研究することもできます。まず、400ミリ秒後に4×4の白いマスの中にランダムに選ばれた4つの赤いマスを最初に見て、すべての赤いマスを白に変更し、以前に読み取ったマスに触れたときに参加者に報酬を与えるという単純な記憶課題を解くように参加者を訓練します。訓練が完了したら、サルを順番にテストし、コンピューターによってランダムに生成された一連のグリッドを最初のサルに提示し、触れた正方形を使用してチェーン内の次の個体の刺激を生成します。

サルがタスクを実行するのにどれだけ成功しているかを、送信イベントの数に応じて判断します。この図は、ソーシャル、ポジティブ、ネガティブ、またはニュートラルなイベントの直後のビジュアル検索タスクの平均応答時間を示しています。エラーバーは、ここに示すように標準偏差を表します。

脅威などの否定的なバレント行動に続く応答時間は、グルーミングなどの中立的で肯定的な社会的行動に続くものよりも有意に遅かった。この研究は、社会的な気分が認知テスト中のパフォーマンスに影響を与えることを示しています。この図は、各試行中に存在するミームの応答時間と同種の数を示しています。

隣接する A LDM テスト ユニットでは、誤差バーが標準誤差を表します。応答時間は、トレーラー内に存在する個人の数とともに減少し、ウェルランドの応答の社会的促進効果を示しています。この最終的な図は、青色の四角で示されているように、透過試行中の性能の向上を示していますが、オレンジ色の円で示されているようなランダムな制御条件では向上していません。

Avars は標準誤差を表します。このビデオを見た後、A LDMテストシステムを使用してヒト以外の霊長類の社会的認知を研究する方法についてよく理解できるはずです。これらの手順に従うと、これらの方法を使用して、検索者やソーシャルネットワークなど、追加の質問に答えることができます。