MétaCan
Menu
Retour à la cohorte
Enregistrement W4214819048 · doi:10.1111/ele.13982

Differences in the temporal scale of reproductive investment across the slow‐fast continuum in a passerine

2022· letter· en· W4214819048 sur OpenAlexafffund
Samantha C. Patrick, Denis Réale, Jonathan R. Potts, Alastair J. Wilson, Claire Doutrelant, Céline Teplitsky, Anne Charmantier

Notice bibliographique

RevueEcology Letters · 2022
Typeletter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesEuropean Research CouncilFonds Québécois de la Recherche sur la Nature et les TechnologiesAgence Nationale de la Recherche
Mots-clésCyanistesPasserineBiologyEcologyReproductionLife history theoryAvian clutch sizeInvestment (military)Reproductive successEctothermEconomicsDemographyLife historyPopulationParus

Résumé

récupéré en direct d'OpenAlex

Life-history strategies differ with respect to investment in current versus 'future' reproduction, but when is this future? Under the novel 'temporality in reproductive investment hypothesis', we postulate variation should exist in the time frame over which reproductive costs are paid. Slow-paced individuals should pay reproductive costs over short (e.g. inter-annual) time scales to prevent reproductive costs accumulating, whereas fast-paced individuals should allow costs to accumulate (i.e. senescence). Using Fourier transforms, we quantify adjustments in clutch size with age, across four populations of blue tits (Cyanistes caeruleus). Fast populations had more prevalent and stronger long-term changes in reproductive investment, whereas slower populations had more prevalent short-term adjustments. Inter-annual environmental variation partly accounted for short-, but not long-term changes in reproductive investment. Our study reveals individuals differ in when they pay the cost of reproduction and that failure to partition this variation across different temporal scales and environments could underestimate reproductive trade-offs.

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)0,001
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 enseignants0,251
Score d'incertitude au seuil0,605

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,233
Écart entre enseignants0,210 · 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

Citations10
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetAnimal Behavior and ReproductionTravaux en français237 207