Cheating and punishment in cooperative animal societies
Notice bibliographique
Résumé
Cheaters-genotypes that gain a selective advantage by taking the benefits of the social contributions of others while avoiding the costs of cooperating-are thought to pose a major threat to the evolutionary stability of cooperative societies. In order for cheaters to undermine cooperation, cheating must be an adaptive strategy: cheaters must have higher fitness than cooperators, and their behaviour must reduce the fitness of their cooperative partners. It is frequently suggested that cheating is not adaptive because cooperators have evolved mechanisms to punish these behaviours, thereby reducing the fitness of selfish individuals. However, a simpler hypothesis is that such societies arise precisely because cooperative strategies have been favoured over selfish ones-hence, behaviours that have been interpreted as 'cheating' may not actually result in increased fitness, even when they go unpunished. Here, we review the empirical evidence for cheating behaviours in animal societies, including cooperatively breeding vertebrates and social insects, and we ask whether such behaviours are primarily limited by punishment. Our review suggests that both cheating and punishment are probably rarer than often supposed. Uncooperative individuals typically have lower, not higher, fitness than cooperators; and when evidence suggests that cheating may be adaptive, it is often limited by frequency-dependent selection rather than by punishment. When apparently punitive behaviours do occur, it remains an open question whether they evolved in order to limit cheating, or whether they arose before the evolution of cooperation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».