Detecting context dependence in the expression of life history trade‐offs
Notice bibliographique
Résumé
Life history trade-offs are one of the central tenets of evolutionary demography. Trade-offs, depicting negative covariances between individuals' life history traits, can arise from genetic constraints, or from a finite amount of resources that each individual has to allocate in a zero-sum game between somatic and reproductive functions. While theory predicts that trade-offs are ubiquitous, empirical studies have often failed to detect such negative covariances in wild populations. One way to improve the detection of trade-offs is by accounting for the environmental context, as trade-off expression may depend on environmental conditions. However, current methodologies usually search for fixed covariances between traits, thereby ignoring their context dependence. Here, we present a hierarchical multivariate 'covariance reaction norm' model, adapted from Martin (2023), to help detect context dependence in the expression of life-history trade-offs using demographic data. The method allows continuous variation in the phenotypic correlation between traits. We validate the model on simulated data for both intraindividual and intergenerational trade-offs. We then apply it to empirical datasets of yellow-bellied marmots (Marmota flaviventer) and Soay sheep (Ovis aries) as a proof-of-concept showing that new insights can be gained by applying our methodology, such as detecting trade-offs only in specific environments. We discuss its potential for application to many of the existing long-term demographic datasets and how it could improve our understanding of trade-off expression in particular, and life history theory in general.
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 | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».