MétaCan
Menu
Retour à la cohorte
Enregistrement W2163660086 · doi:10.1111/j.1558-5646.2012.01756.x

EVOLUTION OF THE STORAGE EFFECT

2012· article· en· W2163660086 sur OpenAlexafffund
Peter A. Abrams, Caroline M. Tucker, Benjamin Gilbert

Notice bibliographique

RevueEvolution · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiologyStorage effectCompetition (biology)Range (aeronautics)Natural selectionEcologyDivergence (linguistics)Trade-offMechanism (biology)Selection (genetic algorithm)Evolutionary biologyComputer science

Résumé

récupéré en direct d'OpenAlex

The storage effect, a mechanism that promotes species coexistence in temporally variable environments, poses a dilemma to evolutionary ecologists. Ecological studies have demonstrated its importance in natural communities, but evolutionary models have predicted that selection either impedes coexistence or diminishes the storage effect if there is coexistence. Here, we develop a lottery model of competition in which two species experience a trade-off in competitive ability between two types of years. We use an adaptive evolution framework to determine conditions favoring the evolution of the storage effect. Storage evolves via divergence of relative performance in the two environments under a wide range of biologically realistic conditions. It evolves between two initially identical species (or lineages) when the trade-off in performance is strong enough. It evolves for species having different initial trade-offs for both weak and strong trade-offs. Our simple 2-species-2-environment scenario can be extended to multiple species and environmental conditions. Results indicate that the storage effect should evolve in a broad range of situations that involve a trade-off in competitive ability among years, and are consistent with empirical observations. The findings show that storage can evolve in a manner and under conditions similar to other types of resource partitioning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,692
Score d'incertitude au seuil0,267

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,003
Tête enseignante GPT0,218
Écart entre enseignants0,215 · 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 tête enseignante, 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

Citations35
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEvolutionMême sujetEvolution and Genetic DynamicsTravaux en français237 207