MétaCan
Menu
Retour à la cohorte
Enregistrement W4291806975 · doi:10.1086/722234

The Evolution of Competitive Ability

2022· article· en· W4291806975 sur OpenAlexaff
Jawad Sakarchi, Rachel M. Germain

Notice bibliographique

RevueThe American Naturalist · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésInterspecific competitionIntraspecific competitionStorage effectSympatric speciationCompetition (biology)BiologyCoexistence theoryAllopatric speciationEcologyEvolutionary biologyPopulation

Résumé

récupéré en direct d'OpenAlex

AbstractCompetition drives evolutionary change across taxa, but our understanding of how competitive differences among species directs the evolution of interspecific interactions remains incomplete. Verbal models assume that interspecific competition will select for reducing a species' sensitivity to competition with their opponent; however, they do not consider the potential for other demographic components of competitive ability to evolve, specifically, interspecific effects, intraspecific interactions, and intrinsic growth rates. To better understand how competitive ability evolves, we set out to explore how each component has evolved and whether their evolution has been constrained by trade-offs. By setting sympatric and allopatric populations of an annual grass in competition with a dominant invader, we demonstrate (1) that in response to interspecific competition, populations can evolve increased competitive ability through either reduced interspecific or, surprisingly, reduced intraspecific competition; (2) that trade-offs do not always constrain the evolution of competitive ability but rather that parameters may correlate in ways that mutually beget higher competitive ability; and (3) that the evolution of one species can influence the competitive ability of its opponent, a consequence of how competitive ability is defined ecologically. Overall, our results reveal the complexity with which demographic components evolve in response to interspecific competition and the impact past evolution can have on present-day interactions.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,868
Score d'incertitude au seuil0,772

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,017
Tête enseignante GPT0,214
Écart entre enseignants0,197 · 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

Citations24
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American NaturalistMême sujetPlant and animal studiesTravaux en français237 207