MétaCan
Menu
Retour à la cohorte
Enregistrement W7075317520

Does water depth or diet divergence predict progress toward ecological speciation in whitefish radiations?

2012· article· en· W7075317520 sur OpenAlexfundno aff

Notice bibliographique

RevueBern Open Repository and Information System (University of Bern) · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDiverse Scientific and Economic Studies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEuropean Science Foundation
Mots-clésSympatric speciationEcotypeGenetic divergenceDivergence (linguistics)Ecological speciationReproductive isolation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Question: Is the extent of genetic divergence between sympatric whitefish ecotypes – a proxy for progress toward speciation – related to the extent of ecological divergence in spawning depth or diet?<BR/>Study System: Whitefish (<I>Coregonus</I> spp.) that have diversified into two or more sympatric ecotypes in subalpine Swiss lakes. Sympatric ecotypes vary in the extent of reproductive isolation.<BR/>Analytical Methods: We measured the degree of spawning depth differentiation based on the depth-at-capture of different ecotypes. We estimated diet differentiation between ecotypes as Mahalanobis distances from stable isotopes. We compared each of these to genetic differentiation measured from AFLP data, using modified correlation tests and phylogenetically independent contrasts to account for nonindependence of comparisons in lakes with more than two ecotypes.<BR/>Results: We found that the magnitude of divergence in spawning depth was generally – albeit only marginally significantly – associated with the extent of genetic divergence between sympatric ecotypes. This effect was clearly stronger than the effect of diet divergence, which was not associated with genetic differentiation. Furthermore, there was no evidence for an interactive effect of depth and diet divergence on progress toward speciation.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil0,705

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,004
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,031
Tête enseignante GPT0,191
Écart entre enseignants0,161 · 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.

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

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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBern Open Repository and Information System (University of Bern)Même sujetDiverse Scientific and Economic StudiesTravaux en français237 207