Episode 106: Long-term experimental evolution in the wild (with Katie Peichel and Andrew Hendry)
Notice bibliographique
Résumé
Can we predict evolutionary outcomes if we know starting conditions? Do the products of evolution in nature differ from those studied in well-controlled lab experiments? On this episode, we talk to Katie Peichel, head of the Division of Evolutionary Ecology at the University of Bern, Switzerland, and Andrew Hendry, professor in the Department of Biology at McGill University, Canada. Katie and Andrew are part of a massive research team working on the evolution of threespine sticklebacks as they are reintroduced into lakes in Alaska. Sticklebacks have been a favorite species for evolutionary biologists since almost the origins of modern evolutionary theory. Traits like spine size and lateral plate armor evolve rapidly when populations colonize new habitats, leading populations to barely resemble one another. Unlike traditional evolutionary experiments, which try to infer what occurred in the past, the Alaska project is tracking in unparalleled detail changes in the phenotypes and genotypes of fish that went into each lake population. We talk to Katie and Andrew about the origins of this incredible project, the pros and cons of different approaches to studying evolution, and the need for long-term experimental studies of evolution in the wild. This is the first of a series of episodes we will be doing on the Alaskan research project, so stay tuned! Cover photo: Keating Shahmehri
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 | 0,000 | 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 ».