Sex differences in the drivers of reproductive skew in a cooperative breeder
Notice bibliographique
Résumé
Many cooperatively breeding societies are characterized by high reproductive skew, such that some socially dominant individuals breed, while socially subordinate individuals provide help. Inbreeding avoidance serves as a source of reproductive skew in many high-skew societies, but few empirical studies have examined sources of skew operating alongside inbreeding avoidance or compared individual attempts to reproduce (reproductive competition) with individual reproductive success. Here, we use long-term genetic and observational data to examine factors affecting reproductive skew in the high-skew cooperatively breeding southern pied babbler (Turdoides bicolor). When subordinates can breed, skew remains high, suggesting factors additional to inbreeding avoidance drive skew. Subordinate females are more likely to compete to breed when older or when ecological constraints on dispersal are high, but heavy subordinate females are more likely to successfully breed. Subordinate males are more likely to compete when they are older, during high ecological constraints, or when they are related to the dominant male, but only the presence of within-group unrelated subordinate females predicts subordinate male breeding success. Reproductive skew is not driven by reproductive effort, but by forces such as intrinsic physical limitations and intrasexual conflict (for females) or female mate choice, male mate-guarding and potentially reproductive restraint (for males). Ecological conditions or "outside options" affect the occurrence of reproductive conflict, supporting predictions of recent synthetic skew models. Inbreeding avoidance together with competition for access to reproduction may generate high skew in animal societies, and disparate processes may be operating to maintain male vs. female reproductive skew in the same species.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».