MétaCan
Menu
Retour à la cohorte
Enregistrement W2022130707 · doi:10.1098/rspb.2015.0142

Social evolution in the shadow of asymmetrical relatedness

2015· article· en· W2022130707 sur OpenAlexaff
Daniel Brian Krupp, Peter Taylor

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésShadow (psychology)SociologyPsychologyPsychoanalysis

Résumé

récupéré en direct d'OpenAlex

The persistence of altruism and spite remains an enduring problem of social evolution. It is well known that selection for these actions depends on the structure of the population-that is, on actors' genetic relationships to recipients and to the 'neighbourhood' upon which the effects of their actions redound. Less appreciated, however, is that population structure can cause genetic asymmetries between partners whereby the relatedness (defined relative to the neighbourhood) of an individual i to a partner j will differ from the relatedness of j to i. Here, we introduce a widespread mechanism of kin recognition to a model of dispersal in subdivided populations. In so doing, we uncover three remarkable consequences of asymmetrical relatedness. First, altruism directed at phenotypically similar partners evolves more easily among migrant than native actors. Second, spite directed at dissimilar partners evolves more easily among native than migrant actors. Third, unlike migrants, natives can evolve to pay costs that far outstrip those they spitefully impose on others. We find that the frequency of natives relative to migrants amplifies the asymmetries between them. Taken together, our results reveal differentiated patterns of 'phenocentrism' that readily arise from asymmetries of relatedness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,071
Tête enseignante GPT0,316
Écart entre enseignants0,246 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations17
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207