The shape of preference functions and what shapes them: a comment on Edward
Notice bibliographique
Résumé
Many of us have been baffled by the myriad of terminology in the field of mate choice. Edwards (2015) does us all a favor by clearing up some of this confusion. He points to advantages in being clear about our chosen descriptor of mate choice and he advocates a preference function approach in empirical studies of mate choice. The last point has been championed by many previous contributors to this field and we can only concur: focusing on if and how phenotypic variation in 1 sex relates to reproductive responses in the other captures the gist of sexual selection and avoids many logical pitfalls. However, the relevance of various metrics to some extent depends on the questions asked. For those that are interested in how selection operates within populations, preference functions best define both the source and the shape of sexual selection. Parameters such as mate search effort, mate assessment effort, responsiveness, and discrimination are not so relevant here, but can be of value for those interested in, for example, the economics of mating or condition dependence of mate choice.
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 | 0,008 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,016 |
| Communication savante | 0,005 | 0,018 |
| Science ouverte | 0,007 | 0,004 |
| Intégrité de la recherche | 0,027 | 0,036 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,006 |
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 ».