MétaCan
Menu
Retour à la cohorte
Enregistrement W6929742458 · doi:10.5061/dryad.qbzkh18p5

Social interactions generate complex selection patterns in virtual worlds

2024· dataset· en· W6929742458 sur OpenAlexafffund

Notice bibliographique

RevueDRYAD · 2024
Typedataset
Langueen
DomaineDecision Sciences
ThématiqueReliability and Agreement in Measurement
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesMitacsEuropean Commission
Mots-clésSelection (genetic algorithm)Natural selectionNatural (archaeology)Social relationVariation (astronomy)Inclusive fitnessMechanism (biology)

Résumé

récupéré en direct d'OpenAlex

Understanding the influence of social interactions on individual fitness is key to improving our predictions of phenotypic evolution. However, we often overlook the different components of selection regimes arising from interactions among organisms, including social, correlational, and indirect selection. This is due to the challenging sampling efforts required in natural populations to measure phenotypes expressed during interactions and individual fitness. Furthermore, behaviours are crucial in mediating social interactions, yet few studies have explicitly quantified these selection components on behavioural traits. In this study, we capitalize on an online multiplayer videogame as a source of extensive data recording direct social interactions among prey, where prey collaborate to escape a predator in realistic ecological settings. We estimate natural and social selection and their contribution to total selection on behavioural traits mediating competition, cooperation, and predator-prey interactions. Behaviours of other prey in a group impact an individual’s survival, and thus are under social selection. Depending on whether selection pressures on behaviours are synergistic or conflicting, social interactions enhance or mitigate the strength of natural selection, although natural selection remains the main driving force. Indirect selection through correlations among traits also contributed to the total selection. Thus, failing to account for the effects of social interactions and indirect selection would lead to a misestimation of the total selection acting on traits. Dissecting the contribution of each component to the total selection differential allowed us to investigate the causal mechanisms relating behaviour to fitness and quantify the importance of the behaviours of conspecifics as agents of selection. Our study emphasizes that social interactions generate complex selective regimes even in a relatively simple ecological environment.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,020
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,010

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 Opus0,238
Tête enseignante GPT0,443
Écart entre enseignants0,205 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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'admission2
Résumé présentoui

Explorer davantage

Même revueDRYADMême sujetReliability and Agreement in MeasurementTravaux en français237 207