MétaCan
Menu
Retour à la cohorte

CAN BREEDING HABITAT BE SEXUALLY SELECTED?

2005· article· en· W2173548360 sur OpenAlexaff
Alexander M. Mills

Notice bibliographique

RevueThe Auk · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHabitatSelection (genetic algorithm)EcologySexual selectionNatural selectionBiologyEcological selectionAdaptation (eye)Ecological nicheComputer science

Résumé

récupéré en direct d'OpenAlex

I propose that sexual dynamics, through mechanisms of sexual selection, can in part determine what constitutes specific breeding habitat. In this view, breeding-habitat features chosen by organisms, like certain morphological or other behavioral traits they exhibit, can be sexually selected, with the consequence that breeding habitats may not be uniquely aligned for ecological niche requirements. I distinguish sexual selection from natural selection because I mean to contrast sexual natural selection (sexual selection) from nonsexual natural selection (ecological selection). Thus, I suggest that ecological selection, acting on traits related to physical resources, and sexual selection, acting on traits related to mate choice, are potentially conflicting forces acting on breeding-habitat specificity. It is hardly novel to contend that sexual relations influence spatial patterns, but those influences have always been believed to operate within the confines of habitat sculpted by ecological selection. Here, sexual selection defines, in part, what constitutes breeding habitat. Certain predictions arise if sexual selection generates breeding-habitat specificity. Breeding habitat must be specific, though regional differences, including dramatic ones, are consistent with the idea. A shift in, or relaxation of, such specificity in nonbreeding situations is expected, given the flexibility in exploiting resources. Generalized traits, such as beaks equipped to exploit a variety of food sources, are predicted to prevail, because adaptive constraints from one period may compromise adaptive solutions for another. Finally, we would expect social factors to influence habitat occupancy

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,834
Score d'incertitude au seuil0,997

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 Opus0,052
Tête enseignante GPT0,213
Écart entre enseignants0,161 · 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'étudeExpérimental (laboratoire)
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

Citations6
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe AukMême sujetPlant and animal studiesTravaux en français237 207