MétaCan
Menu
Retour à la cohorte
Enregistrement W2433641442 · doi:10.1111/1365-2656.12541

Kin effects on energy allocation in group‐living ground squirrels

2016· article· en· W2433641442 sur OpenAlexafffund
Vincent A. Viblanc, Claire Saraux, Jan O. Murie, F. Stephen Dobson

Notice bibliographique

RevueJournal of Animal Ecology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAnimal Ecology and Behavior Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésKin recognitionReproductionInclusive fitnessBiologyOffspringNest (protein structural motif)EcologyKin selectionReproductive successCooperative breedingForagingDemographyPopulation

Résumé

récupéré en direct d'OpenAlex

The social environment has potent effects on individual phenotype and fitness in group-living species. We asked whether the presence of kin might act on energy allocation, a central aspect of life-history variation. Using a 22-year data set on reproductive and somatic allocations in Columbian ground squirrels (Urocitellus columbianus), we tested the effects of co-breeding and non-breeding kin on the fitness and energy allocation balance between reproduction and personal body condition of individual females. Greater numbers of co-breeding kin had a positive effect on the number of offspring weaned, through the mechanism of altering energy allocation patterns. On average, females with higher numbers of co-breeding kin did not increase energy income but biased energy allocation towards reproduction. Co-breeding female kin ground squirrels maintain close nest burrows, likely providing a social buffer against territorial invasions from non-kin ground squirrels. Lower aggressiveness, lower risks of infanticide from female kin and greater protection of territorial boundaries may allow individual females to derive net fitness benefits via their energy allocation strategies. We demonstrated the importance of kin effects on a fundamental life-history trade-off.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,197
Score d'incertitude au seuil0,848

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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,245
Écart entre enseignants0,234 · 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

Citations11
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Animal EcologyMême sujetAnimal Ecology and Behavior StudiesTravaux en français237 207