MétaCan
Menu
Retour à la cohorte
Enregistrement W6966892725 · doi:10.5061/dryad.h70rxwdqh

The effect of experimental pollinator decline on pollinator-mediated selection on floral traits

2024· dataset· en· W6966892725 sur OpenAlexaff

Notice bibliographique

RevueDRYAD · 2024
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésPollinatorPollinationPollenInflorescenceSelection (genetic algorithm)Hand-pollinationReproductive successNatural selection

Résumé

récupéré en direct d'OpenAlex

Human-mediated environmental change, by reducing mean fitness, is hypothesized to strengthen selection on traits that mediate interactions among species. For example, human-mediated declines in pollinator populations are hypothesized to reduce mean seed production by increasing the magnitude of pollen limitation and thus strengthen pollinator-mediated selection on floral traits that increase pollinator attraction or pollen transfer efficiency. To test this hypothesis, we measured two female fitness components and six floral traits of Lobelia siphilitica plants exposed to supplemental hand-pollination, ambient open-pollination, or reduced open-pollination treatments. The reduced treatment simulated pollinator decline, while the supplemental treatment was used to estimate pollen limitation and pollinator-mediated selection. We found that plants in the reduced pollination treatment were significantly pollen-limited, resulting in pollinator-mediated selection for taller inflorescences and more vibrant petals, both traits that could increase pollinator attraction. This contrasts with plants in the ambient pollination treatment, where reproduction was not pollen-limited and there was no significant pollinator-mediated selection on any floral trait. Our results support the hypothesis that human-mediated environmental change can strengthen the selection on traits of interacting species and suggest that these traits have the potential to evolve in response to changing environments.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,106
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,033

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 Opus0,008
Tête enseignante GPT0,300
Écart entre enseignants0,292 · 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