MétaCan
Menu
Retour à la cohorte
Enregistrement W1491112727 · doi:10.1111/evo.12188

ECOLOGICAL CONSTRAINTS INFLUENCE THE EMERGENCE OF COOPERATIVE BREEDING WHEN POPULATION DYNAMICS DETERMINE THE FITNESS OF HELPERS

2013· article· en· W1491112727 sur OpenAlexafffund
David V. McLeod, Geoff Wild

Notice bibliographique

RevueEvolution · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPopulationBiologyBiological dispersalEcologyCooperative breedingBreeder (animal)FecundityInclusive fitnessDemography

Résumé

récupéré en direct d'OpenAlex

Cooperative breeding is a system in which certain individuals facilitate the production of offspring by others. The ecological constraints hypothesis states that ecological conditions deter individuals from breeding independently, and so individuals breed cooperatively to make the best of a bad situation. Current theoretical support for the ecological constraints hypothesis is lacking. We formulate a mathematical model that emphasizes the underlying ecology of cooperative breeders. Our goal is to derive theoretical support for the ecological constraints hypothesis using an ecological model of population dynamics. We consider a population composed of two kinds of individuals, nonbreeders (auxiliaries) and breeders. We suppose that help provided by an auxiliary increases breeder fecundity, but reduces the probability with which the auxiliary becomes a breeder. Our main result is a condition that guarantees success of auxiliary help. We predict that increasing the cost of dispersal promotes helping, in agreement with verbal theory. We also predict that increasing breeder mortality can either hinder helping (at high population densities), or promote it (at low population densities). We conclude that ecological constraints can exert influence over the evolution of auxiliary help when population dynamics are considered; moreover, that influence need not coincide with direct fitness benefits as previously found.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,849
Score d'incertitude au seuil0,723

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,272
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEvolutionMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207