Formidable females redux: male social integration into female networks and the value of dynamic multilayer networks
Notice bibliographique
Résumé
Abstract The development of multilayer network techniques is a boon for researchers who wish to understand how different interaction layers might influence each other, and how these in turn might influence group dynamics. Here, we investigate how integration between male and female grooming and aggression interaction networks influences male power trajectories in vervet monkeys Chlorocebus pygerythrus. Our previous analyses of this phenomenon used a monolayer approach, and our aim here is to extend these analyses using a dynamic multilayer approach. To do so, we constructed a temporal series of male and female interaction layers. We then used a multivariate multilevel autoregression model to compare cross-lagged associations between a male’s centrality in the female grooming layer and changes in male Elo ratings. Our results confirmed our original findings: changes in male centrality within the female grooming network were weakly but positively tied to changes in their Elo ratings. However, the multilayer network approach offered additional insights into this social process, identifying how changes in a male’s centrality cascade through the other network layers. This dynamic view indicates that the changes in Elo ratings are likely to be short-lived, but that male centrality within the female network had a much stronger impact throughout the multilayer network as a whole, especially on reducing intermale aggression (i.e., aggression directed by males toward other males). We suggest that multilayer social network approaches can take advantage of increased amounts of social data that are more commonly collected these days, using a variety of methods. Such data are inherently multilevel and multilayered, and thus offer the ability to quantify more precisely the dynamics of animal social behaviors.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».