MétaCan
Menu
Retour à la cohorte
Enregistrement W2097970230 · doi:10.1111/j.1461-0248.2007.01106.x

The interaction between personality, offspring fitness and food abundance in North American red squirrels

2007· article· en· W2097970230 sur OpenAlexaff
Adrienne K. Boon, Denis Réale, Stan Boutin

Notice bibliographique

RevueEcology Letters · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAnimal Ecology and Behavior Studies
Établissements canadiensUniversité du Québec à MontréalUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPersonalityBiologyNest (protein structural motif)OffspringEcologyReproductive successPopulationSelection (genetic algorithm)LitterAbundance (ecology)Big Five personality traitsLife history theoryHeritabilityZoologyDemographyLife historyPsychologyEvolutionary biologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Animal personality is now frequently reported in wild and captive populations. It has been shown to be moderately heritable and to have potentially important fitness consequences. Variation in personality within a population may be maintained by balancing selection if different values of personality traits are favoured under different conditions. We measured personality in 98 female North American red squirrels (Tamiasciurus hudsonicus Erxleben), and examined whether its variation could be maintained by changing selection pressures acting via reproductive traits and yearly variation in food abundance. There was no effect of personality on parturition date or litter size, but a female's activity was correlated to the growth rate of her offspring in the nest, and her aggressiveness was correlated to their survival in the nest and overwinter. The magnitude and direction of the effects changed among life history stages and years, possibly in association with food supply in some cases, and may indicate a role for balancing selection in the maintenance of personality.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,018
Tête enseignante GPT0,266
Écart entre enseignants0,248 · 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'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

Citations291
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetAnimal Ecology and Behavior StudiesTravaux en français237 207