MétaCan
Menu
Retour à la cohorte
Enregistrement W6931437234 · doi:10.5281/zenodo.6355073

Corrigendum: Dimensionality and modularity of adaptive variation: Divergence in threespine stickleback from diverse environments

2023· other· en· W6931437234 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2023
Typeother
Langueen
DomaineDentistry
ThématiqueDental materials and restorations
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTraitDivergence (linguistics)SticklebackCurse of dimensionalityTaxonGasterosteusModularity (biology)CoevolutionLeverage (statistics)

Résumé

récupéré en direct d'OpenAlex

Populations are subjected to diverse environmental conditions that affect fitness and induce evolutionary or plastic responses, resulting in phenotypic divergence among populations. Some authors contend such divergence is concentrated along a single major axis of trait covariance, even if that axis does not lead populations directly toward fitness optimum. Other authors argue that divergence can occur readily along many phenotype axes at the same time. We use populations of threespine stickleback (Gasterosteus aculeatus) from 14 lakes with contrasting ecological conditions to find some resolution along the continuum between these two extremes. Unlike many previous studies, we included several functional suites of traits (defensive, swimming, trophic) potentially subject to different sources of selection. We find that populations exhibit dimensionality of divergence that is high enough to preclude a history of constraint along a single axis – both for divergence in multivariate mean trait values and for the structure of trait covariances. Dimensionality varied among trait suites and were strongly influenced by the inclusion of specific traits, and integration of trait suites varied between populations. We leverage this variation into new insights about the process of divergence and suggest that similar analyses could increase understanding of other adaptive radiations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0480,006

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 Opus0,053
Tête enseignante GPT0,252
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetDental materials and restorationsTravaux en français237 207