Notice bibliographique
Résumé
Social interaction is like a dance between two or more individuals who communicate with each other by sending and receiving information. Social cues are multisensory, involving combinations of visual, olfactory, auditory, and tactile information. One individual transmits information through its behavior and the other interprets it, providing a behavioral response that contains further social information, and the dance continues. Unlike nonsocial behavior (e.g., a lone worm moving along a temperature gradient), social behavior is complex because the transmitter of the information changes the receiver’s subsequent behavior. From a statistical perspective, like individual behavior, variation in social behavior can be partitioned into its genetic and environmental contributions, and their interactions (1, 2). However, for social behavior, the social environment is a critical part of the equation (3, 4). Social interactions result in indirect genetic effects (IGEs), when the genetics of one individual affects another’s behavior (3, 4). IGEs are important for the evolution of social behavior; however, a mechanistic understanding of IGEs is lacking (5, 6). Which phenotypes should be measured when social interactions are an emergent property of the group? What genes and pathways are involved in IGEs, and are patterns of selection found in their DNA sequences? How can we validate and functionally investigate the role of genetic variants in a group setting? In PNAS, Avalos et al. (7) use genome-wide association studies (GWAS) in the eusocial honey bee to uncover genomic regions defined by colony allele frequencies that influence colony aggressive behavior. Social behavior is exhibited by many organisms, from microbes to humans (8). Factors that affect social interactions include components of the social environment (e.g., density, space, and group social structure) and the physical environment (e.g., temperature and humidity) (9). Social experiences can affect different levels of biological organization (e.g., neural transmission, gene … [↵][1]1Email: marla.sokolowski{at}utoronto.ca. [1]: #xref-corresp-1-1
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».