MétaCan
Menu
Retour à la cohorte
Enregistrement W6910905133 · doi:10.5061/dryad.sn02v6xd2

Social selection analysis reveals limited effect of neighbors’ traits in Tree swallows

2024· dataset· en· W6910905133 sur OpenAlexaff

Notice bibliographique

RevueDRYAD · 2024
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)Intraspecific competitionReproductive successDisruptive selectionCompetition (biology)Avian clutch sizeStabilizing selectionSexual selectionInterspecific competition

Résumé

récupéré en direct d'OpenAlex

Social interactions are ubiquitous in nature and can shape fitness of individuals through social selection. This type of selection arises when phenotypes of neighbors influence the fitness of a focal individual. Quantifying social selection is crucial to better characterise the overall selective landscape. For example, if intraspecific competition is strong, traits that are beneficial for an individual could be detrimental for competitors. In this study, we quantified social selection acting on four key ecological traits (body mass, wing length, laying date and clutch size) in wild Tree swallow (Tachycineta bicolor) females. We used reproductive success measured at three stages throughout the breeding season as fitness proxies to assess selection acting at those decisive moments. We also quantified the effects of environment on selection using measures of conspecifics’ density, type of agricultural landscape and presence of interspecific competitors. Overall, we found no strong evidence of social selection on these traits in our study system, although there were marginally non-significant selection gradients suggesting positive effect of larger neighbors. Environmental variables affected reproductive success but did not affect social selection gradients. Our study calls for more social selection estimates to be reported across environments to better understand its importance in wild populations.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,011
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,006

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 Opus0,013
Tête enseignante GPT0,302
Écart entre enseignants0,289 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDRYADTravaux en français237 207