MétaCan
Menu
Retour à la cohorte
Enregistrement W2898150090 · doi:10.1093/beheco/ary143

Kin selection and allocare in sperm whales

2018· article· en· W2898150090 sur OpenAlexaff
Christine M. Konrad, Timothy R. Frasier, Hal Whitehead, Shane Gero

Notice bibliographique

RevueBehavioral Ecology · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensSaint Mary's UniversitySt. Mary's UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésBiologySpermSelection (genetic algorithm)Evolutionary biologyKin selectionZoologyGeneticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Cooperative care and defense of young are hypothesized to be foundational to the societies of several species, including the sperm whale (Physeter macrocephalus). However, the extent of allocare among sperm whales and the mechanisms driving it have not been well-characterized. Sperm whale social units are matrilineally based, making kin selection a likely key driver of allocare, but the relationship between kinship and calf care is essentially unknown. We investigate calf care in the context of kinship, by combining association and interaction data with genetic profiles for 16 calves from 7 eastern Caribbean social units. Mothers were the primary associate for 62.5% of calves, and the primary nurse for 87.5%, so behavioral observations are not always sufficient for assigning maternity. Babysitting and allonursing were frequent in some cases, particularly for calves less than a year old. Within social units, babysitting rates were correlated with relatedness (rs = 0.4, P < 0.05), and allonurses were, on average, closer maternal relatives of the calves they nursed than were available females who were not allonurses (Δr = 0.14, P = 0.054). Exceptions to the overall positive relationship between allocare and kinship suggest that additional factors influencing allocare among sperm whales may include reciprocity, group augmentation and gaining maternal experience.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,411
Score d'incertitude au seuil0,999

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)0,0040,000

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 Opus0,025
Tête enseignante GPT0,289
Écart entre enseignants0,264 · 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.

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

Citations35
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioral EcologyMême sujetMarine animal studies overviewTravaux en français237 207