Neither genetic nor observational data alone are sufficient for understanding sex‐biased dispersal in a social‐group‐living species
Notice bibliographique
Résumé
Complex sex-biased dispersal patterns often characterize social-group-living species and may ultimately drive patterns of cooperation and competition within and among groups. This study investigates whether observational data or genetic data alone can elucidate the potentially complex dispersal patterns of social-group-living black and white colobus monkeys (Colobus guereza, "guerezas"), or whether combining both data types provides novel insights. We employed long-term observation of eight neighbouring guereza groups in Kibale National Park, Uganda, as well as microsatellite genotyping of these and two other neighbouring groups. We created a statistical model to examine the observational data and used dyadic relatedness values within and among groups to analyse the genetic data. Analyses of observational and genetic data both supported the conclusion that males typically disperse from their natal groups and often transfer into nearby groups and probably beyond. Both data types also supported the conclusion that females are more philopatric than males but provided somewhat conflicting evidence about the extent of female philopatry. Observational data suggested that female dispersal is rare or nonexistent and transfers into neighbouring groups do not occur, but genetic data revealed numerous pairs of closely related adult females among neighbouring groups. Only by combining both data types were we able to understand the complexity of sex-biased dispersal patterns in guerezas and the processes that could explain our seemingly conflicting results. We suggest that the data are compatible with a scenario of group dissolution prior to the start of this study, followed by female transfers into different neighbouring groups.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».