Toward a unified approach to modelling adaptation among demographers and evolutionary ecologists
Notice bibliographique
Résumé
Abstract Demographic and evolutionary modelling approaches are critical to understanding and projecting species responses to global environmental changes. Population matrix models have been a favoured tool in demography, but until recently, they failed to account for short‐term evolutionary changes. Evolutionary‐explicit demographic models remain computationally intensive, difficult to use and have yet to be widely adopted for empirical studies. Researchers focusing on short‐term evolution often favour individual‐based simulations, which are more flexible but less transferable and computationally efficient. Limited communication between fields has led to differing perspectives on key issues, such as how life‐history traits affect adaptation to environmental change. We develop a new EvoDemo hyperstate matrix population model (EvoDemo‐Hyper MPM) that incorporates the genetic inheritance of quantitative traits, enabling fast computation of evolutionary and demographic dynamics. We evaluate EvoDemo‐Hyper MPM against individual‐based simulations and provide analytical approximations for adaptation rates across six distinct scales in response to selection. We show that different methods yield equivalent results for the same biological scenario, although semantic differences between fields may obscure these similarities. Our results demonstrate that EvoDemo‐Hyper MPM provides accurate, computationally efficient solutions, closely matching outcomes from individual‐based simulations and analytical approximations under similar biological conditions. Adaptation rates per generation remain constant across species when selection acts on fertility but vary with other vital rates. Adaptation per time decreases with generation time unless selection targets adult survival, where intermediate life histories adapt fastest. Rates per generation, defined as the relative change in individual fitness, remain constant across species and vital rates. We discuss that no general prediction emerges about which species or life‐history traits yield higher adaptation rates, as outcomes depend on life cycles, vital rates and the definition used. We provide Matlab and R code to support the application of our EvoDemo‐Hyper MPM.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».