Prise de décision en contexte de recherche de nourriture // Decision making in foraging context

Ce projet vise à approfondir notre compréhension des mécanismes neuronaux sous-jacents à la prise de décision chez les primates non humains en utilisant une tâche écologique qui simule le butinage, où les animaux doivent explorer leur environnement pour trouver la meilleure option. Cela diffère radicalement des paradigmes expérimentaux classiques, dans lesquels les primates sont généralement placés devant un écran et doivent appuyer sur des boutons pour exprimer leurs décisions.
Ce type de tâche incarnée pourrait être crucial pour comprendre la dynamique de la prise de décision, car elle est matérialisée par la trajectoire de l'animal, où l'accélération, la décélération et les arrêts peuvent être interprétés en fonction de la tâche et du niveau d'expertise actuel du primate. Un des résultats comportementaux clés sera de déterminer s'il existe une équivalence entre une tâche de prise de décision abstraite (écran et boutons) et la même tâche de décision lorsqu'elle est incarnée. Selon la réponse, cela pourrait avoir un impact majeur sur la littérature scientifique.
Parallèlement, nous modéliserons le comportement des primates à l'aide de réseaux neuronaux récurrents (qui permettent de prendre en compte la dimension temporelle) et d'une configuration de labyrinthe équivalente. Ces modèles devraient fournir des informations précieuses sur la dynamique du processus de décision incarné.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This project aims to advance our understanding of the neural mechanisms underlying decision making in non-human primates using an ecological task that mimic foraging, where animals have to explore their environment in order to find the best option. This differs drastically from classical experimental paradigms where primates are usually placed in front of a screen where they have to push buttons to express their decision. Such task embodiment may be critical for understanding the dynamic of decision since it will be materialized by the trajectory of the animal, where acceleration, decceleratinon and stops can be interpreted, depending on the task and the current expertise of the primate. Key findings on the behavioral level is to know whether there exist an equivalence between a decision taks that is abstracted (screen and buttons) vs the same decision task that is embodied. Depending on the answer, this might have a critical impact on the litterature. In the meantime, we'll model the behavior of the primates using reccurent neural networks (that allows to take the temporal dimension into account) and an equivalent maze setup. These models are expected to give use insights on the dynamics of the embodied decision process.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrat doctoral libre

Université de Bordeaux

154 Sciences de la Vie et de la Santé

Diplôme requis : Un Master (ou équivalent) en neurosciences, neuropsychologie, sciences cognitives ou dans des domaines connexes. Une formation complémentaire en statistiques et en informatique constitue un atout. Compétences techniques : Expérimentation : ? Programmation : Compétence dans des langages de programmation tels que Python, R ou Matlab pour l'analyse des données et le traitement statistique avancé. Méta-analyse : Familiarité avec les approches méta-analytiques en neurosciences. Une expérience avec des bases de données comme NeuroSynth ou BrainMap est un atout majeur. Compétences scientifiques : Fondements en neurosciences : Compréhension solide des structures cérébrales et des mécanismes, en particulier des ganglions de la base et des circuits corticaux. Analyse critique : Capacité à synthétiser les résultats de la littérature et à interpréter les données expérimentales. Approche interdisciplinaire : Aptitude à intégrer des concepts issus de divers domaines (neurosciences, biologie, cognition, informatique). Qualités personnelles : Autonomie et rigueur : Capacité à travailler de manière indépendante tout en respectant les délais. Esprit d'équipe : Capacité à collaborer avec des experts multidisciplinaires dans un environnement de laboratoire dynamique. Communication : Solides compétences en rédaction scientifique et en présentation orale, en anglais et en français. Engagement attendu : Le candidat doit faire preuve d'une véritable curiosité pour la recherche scientifique, d'une forte motivation pour la recherche fondamentale et appliquée, ainsi que d'une volonté de s'investir pleinement dans un projet ambitieux aux implications variées.
Required Degree: A Master's degree (or equivalent) in neuroscience, neuropsychology, cognitive sciences, or related fields. Complementary training in statistics and computer science is a plus. Technical Skills Experimental: ? Programming: Competence in programming languages such as Python, R, or Matlab for data analysis and advanced statistical processing. Meta-analysis: Familiarity with meta-analytic approaches in neuroscience. Experience with databases such as NeuroSynth or BrainMap is a strong asset. Scientific Skills Neuroscience Foundations: Solid understanding of brain structures and mechanisms, particularly the basal ganglia and cortical circuits. Critical Analysis: Ability to synthesize literature findings and interpret experimental results. Interdisciplinary Approach: Aptitude to integrate concepts from various fields (neuroscience, biology , cognition, computer science). Personal Attributes Autonomy and Rigor: Capacity to work independently while meeting deadlines. Team Spirit: Ability to collaborate with multidisciplinary experts in a dynamic lab environment. Communication: Strong scientific writing and oral presentation skills, in both English and French. Expected Commitment The candidate should demonstrate a genuine curiosity for scientific inquiry , strong motivation for fundamental and applied research, and a willingness to fully engage in an ambitious project with wide-ranging implications