Social conflict resolution, life history, and the reconstruction of skew
Notice bibliographique
Résumé
Models of reproductive skew have provided useful conceptual frameworks for analyzing social conflict and cooperation in groups of reproductively totipotent individuals, in that they specify explicitly how aspects of ecology and genetic relatedness can generate within-group variation in behavior and reproduction. The main outcome of many years of development and application of these models, however, is a growing consensus that transactional models apply to few if any real situations, and that the models cannot be critically evaluated because assembling sufficient quantitative information to allow critical tests of their assumptions and predictions is not feasible. The “top-down” approach of skew modeling, which makes strong yet unsubstantiated assumptions to extract explanations from data, can be contrasted with a “bottom-up” approach, which involves inference of convergences in sets of diverse social, demographic, and life-history traits across highly diverse taxa, and analyses of fine-scale divergences in small sets of traits between conspecific populations and closely related species. The bottom-up approach explicitly recognizes that each population and taxon exhibits a constellation of more or less similar evolutionarily interrelated traits, especially those that affect (1) the ecological circumstances that underly benefits of dividing labor, (2) the opportunities, costs, and benefits of using force (taking control of behavior away), coercion (cost imposition or repression), or persuasion (providing benefits) to modify the expression of conflicts of interest, and (3) the life-history trade-offs and feedbacks that coevolve with social adaptations. I illustrate this approach with examples of social convergences among insects, birds, and mammals (including humans, Homo sapiens ) that yield insights into selective pressures, and present a model based on such convergences for the role of cooperative breeding in the origin and expansion of modern humans.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».