MétaCan
Menu
Retour à la cohorte
Enregistrement W2178297969 · doi:10.1111/j.0014-3820.2005.tb01009.x

THE EVOLUTION OF SPERM-ALLOCATION STRATEGIES AND THE DEGREE OF SPERM COMPETITION

2005· article· en· W2178297969 sur OpenAlexafffund
Paul Williams, Troy Day, Erin K. Cameron

Notice bibliographique

RevueEvolution · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensQueen's UniversityUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSperm competitionSpermBiologyCompetition (biology)PopulationContext (archaeology)MatingEcologyGeneticsDemography

Résumé

récupéré en direct d'OpenAlex

The prevailing viewpoint in the study of sperm competition is that male sperm-allocation strategies evolve in response to the degree of sperm competition an ejaculate can expect to experience within a given mating. If males cannot assess the degree of sperm competition their ejaculate will face and/or they are unable to facultatively adjust sperm investment in response to perceived levels of competition, high sperm allocation (per mating) is predicted to evolve in the context of high sperm competition. An implicit assumption of the framework used to derive this result is that the degree of sperm competition is unaffected by changes in sperm-allocation strategies. We present theory based on an alternative perspective, in which the degree of sperm competition and the sperm-allocation strategy are coupled traits that coevolve together. Our rationale is that the pattern of sperm allocation in the population will, in part, determine the level of sperm competition by affecting the number of ejaculates per female in the population. In this setting, evolution in sperm-allocation strategies is driven by changes in underlying environmental parameters that influence both the degree of sperm competition and sperm allocation. This change in perspective leads to predictions that are qualitatively different from those of previous theory.

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 enseignants0,980
Score d'incertitude au seuil0,194

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 Opus0,026
Tête enseignante GPT0,224
Écart entre enseignants0,198 · 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

Citations59
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEvolutionMême sujetAnimal Behavior and ReproductionTravaux en français237 207