Code (set theory)

Mate choice copying, the use of social information from others' mating decisions, is a taxonomically widespread form of social learning that can shape sexual selection. Two meta-analyses concluded that social information has a moderate positive effect on mate choice, but both rest on literature searches now at least seven years old. We asked whether the overall average effect they reported remains supported. Using a multilingual, grey-literature-inclusive search across seven languages, we added 69 effect sizes from 29 studies and harmonised the two source metrics, giving 227 Hedges' g effect sizes from 87 studies and 172 log odds ratios from 69 studies across 33 species. Re-analysed with phylogenetically informed multilevel models, the overall effect remained positive and significant but was appreciably smaller (Hedges' g=0.45, 95% CI: 0.25 to 0.66, vs. 0.58; odds ratio=1.81, 95% CI: 1.34 to 2.45, vs. 2.71). Heterogeneity was high, located within studies and among species rather than across the phylogeny. Small-study effects were strong on both scales, and correcting for them drew the mean towards zero. In some species, individuals do copy conspecifics' mate choices, but the effect is smaller, more variable, and more sensitive to publication bias than previously estimated.

تقلید انتخاب جفت، یعنی استفاده از اطلاعات اجتماعی حاصل از تصمیمات جفت‌یابی دیگران، شکلی گسترده از یادگیری اجتماعی در طبقه‌بندی‌های زیستی است که می‌تواند بر انتخاب جنسی تأثیرگذار باشد. دو فراتحلیل نتیجه‌گیری کردند که اطلاعات اجتماعی اثر مثبت متوسطی بر انتخاب جفت دارد، اما هر دو مبتنی بر جست‌وجوهای ادبیاتی هستند که اکنون دست‌کم هفت سال از آن‌ها گذشته است. ما بررسی کردیم که آیا میانگین کلی اثری که آن‌ها گزارش کرده‌اند همچنان مورد حمایت است یا خیر. با استفاده از جست‌وجویی چندزبانه و شامل ادبیات خاکستری در هفت زبان، ۶۹ اندازه اثر از ۲۹ مطالعه را افزودیم و دو معیار منبع را همسان‌سازی کردیم، که در مجموع ۲۲۷ اندازه اثر Hedges' g از ۸۷ مطالعه و ۱۷۲ نسبت شانس لگاریتمی از ۶۹ مطالعه در ۳۳ گونه به دست آمد. با تحلیل مجدد با مدل‌های چندسطحی مبتنی بر اطلاعات فیلوژنتیکی، اثر کلی همچنان مثبت و معنادار باقی ماند اما به طور قابل توجهی کمتر بود (Hedges' g=0.45، فاصله اطمینان ۹۵٪: ۰.۲۵ تا ۰.۶۶، در مقابل ۰.۵۸؛ نسبت شانس=۱.۸۱، فاصله اطمینان ۹۵٪: ۱.۳۴ تا ۲.۴۵، در مقابل ۲.۷۱). ناهمگنی بالا بود و عمدتاً درون مطالعات و میان گونه‌ها مشاهده شد تا در سراسر فیلوژنی. اثرات مطالعات کوچک در هر دو مقیاس قوی بود و اصلاح آن‌ها میانگین را به سمت صفر سوق داد. در برخی گونه‌ها، افراد واقعاً انتخاب جفت همنوعان خود را تقلید می‌کنند، اما این اثر کوچک‌تر، متغیرتر و نسبت به سوگیری انتشار حساس‌تر از برآوردهای پیشین است.

Cognitive flexibility requires rapid updating of internal representations when action–outcome contingencies change. Yet how feedback on a single trial reshapes the distributed activity patterns that implement these internal representations remains poorly understood. Using functional magnetic resonance imaging (fMRI) during probabilistic reversal learning, we show that a Q-learning model with separate learning rates outperforms a standard model and reveals stronger learning from positive than negative reward prediction errors (RPE). Reversal increases prediction error magnitude and induces rapid multivoxel reorganization in medial temporal and adjacent subcortical regions. During early reversal, RPE-related activity in right striatal and medial orbitofrontal regions predicts subsequent changes in right lateral orbitofrontal cortex (lOFC) representations; these effects occur only after nonrewarded outcomes. Moreover, greater representational change in lOFC is associated with weakening of the action policy, and this pattern change in right lOFC is related to reward-stay behavior. Together, these findings link lOFC updating to behavioral policy adjustment during reversal learning.

انعطاف‌پذیری شناختی مستلزم به‌روزرسانی سریع بازنمایی‌های درونی هنگام تغییر پیوستگی‌های عمل-پیامد است. با این حال، چگونگی تأثیر بازخورد یک آزمون منفرد بر الگوهای فعالیت توزیع‌شده که این بازنمایی‌های درونی را پیاده‌سازی می‌کنند، همچنان به‌خوبی شناخته نشده‌است. با استفاده از تصویربرداری تشدید مغناطیسی عملکردی (fMRI) در طول یادگیری معکوس احتمالاتی، نشان می‌دهیم که یک مدل یادگیری Q با نرخ‌های یادگیری جداگانه نسبت به مدل استاندارد عملکرد بهتری دارد و یادگیری قوی‌تری از خطاهای پیش‌بینی پاداش (RPE) مثبت نسبت به منفی را نشان می‌دهد. معکوس‌سازی، بزرگی خطای پیش‌بینی را افزایش داده و سازمان‌دهی مجدد سریع چند-وُکسلی را در نواحی تمپورال میانی و زیرقشری مجاور القا می‌کند. در اوایل معکوس‌سازی، فعالیت مرتبط با RPE در نواحی استریاتوم راست و اوربیتوفرنتال میانی پیش‌بینی‌کننده تغییرات بعدی در بازنمایی‌های قشر اوربیتوفرنتال جانبی راست (lOFC) است؛ این اثرات تنها پس از پیامدهای بدون پاداش رخ می‌دهد. افزون بر این، تغییر بازنمایشی بیشتر در lOFC با تضعیف سیاست عمل همراه است و این تغییر الگو در lOFC راست با رفتار باقی‌ماندن پس از پاداش مرتبط است. در مجموع، این یافته‌ها به‌روزرسانی lOFC را به تعدیل سیاست رفتاری در طول یادگیری معکوس پیوند می‌دهد.