Synthèse automatique
Fournit un cadre formel (MVEE) pour intégrer la sélection multi-niveaux, la plasticité phénotypique et l'éco-évo-dévo dans les études évolutives.
Points forts
- Formalise les méthodes variationnelles pour la modélisation évolutive.
- Intègre des données interdisciplinaires issues de la biologie, des sciences sociales et de l'informatique.
- Aborde la sélection multi-niveaux et l'évolution ouverte.
- Applicable à divers systèmes évolutifs.
Limites
- Nécessite une connaissance approfondie de la théorie évolutive.
- Peut être trop abstrait pour des applications empiriques sans adaptation.
- N'est pas un outil logiciel mais un cadre conceptuel.
Utilisez-le lorsque vous développez ou analysez des modèles couvrant plusieurs niveaux d'organisation évolutive.
Évitez lorsque un modèle évolutif simple à un seul niveau suffit ou lorsque les données empiriques détaillées manquent.
Analyse de sécurité
SûrThe skill is purely informational, describing a scientific framework for evolutionary studies. It contains no executable code, system commands, or instructions that could cause harm.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
Using the MVEE framework, model the evolution of cooperation in a multilevel selection scenario with phenotypic plasticity.How can MVEE help integrate eco-evo-devo data from developmental plasticity and ecological variability into a unified evolutionary model?Explain how to formalize a variational method for open-ended evolution within the MVEE framework.name: "MVEE" description: "Expertise in developing frameworks for evolutionary studies, integrating interdisciplinary data, and formalizing complex biological interactions." tags: ["presentations, courses & media", "mvee", "evolutionary-theory", "multilevel-evolution", "phenotypic-plasticity", "eco-evo-devo"]
MVEE: A Framework for Evolutionary Studies
Daniel Ari Friedman (2018) · Presentations, Courses & Media
Instructions
Use this skill when working with topics related to MVEE, evolutionary theory, multilevel evolution, phenotypic plasticity.
When applying this skill:
- Apply variational methods to evolutionary and ecological modeling
- Integrate multilevel selection theory with developmental and behavioral biology
- Design formal frameworks for open-ended evolutionary systems
Key Concepts
- MVEE
- evolutionary theory
- multilevel evolution
- phenotypic plasticity
- eco-evo-devo
- variational methods
- multilevel selection
- open-ended evolution
Methods & Techniques
- Extends existing theories in Variational Neuroethology.
- Utilizes a formalized approach to model evolutionary processes.
- Incorporates interdisciplinary data from biological, social, and computational systems.
- Analyzes ecological variability over multiple time scales.
Key Findings
- Establishes a general framework applicable to various evolutionary studies.
- Demonstrates the importance of integrating diverse data sources.
- Identifies key factors influencing evolutionary dynamics.
- Suggests new avenues for experimental research in evolutionary biology.
Prerequisites
- Domain knowledge in Presentations, Courses & Media
🎯 Consulting & Tutoring
Daniel Ari Friedman, PhD is available for AI Research Consulting and Tutoring related to this skill.
Related Skills
See BIBLIOGRAPHY.md for the complete publication catalog and related papers.
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/mvee-evolutionary-studies-framework-mmio720s/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/mvee-evolutionary-studies-framework-mmio720s' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/mvee-evolutionary-studies-framework-mmio720s/download' --output '.skill-downloads/mvee-evolutionary-studies-framework-mmio720s/SKILL.md.part' && mv '.skill-downloads/mvee-evolutionary-studies-framework-mmio720s/SKILL.md.part' '.skill-downloads/mvee-evolutionary-studies-framework-mmio720s/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Extrait original : Prerequisites
- Domain knowledge in Presentations, Courses & Media
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Le fichier ne fournit pas un en-tête name/description exploitable pour cette procédure native. Le téléchargement reste disponible pour lecture ; utilisez le mode manuel ci-dessous.
Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/mvee-evolutionary-studies-framework-mmio720s/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Créer des cartes interactives avec kepler.gl
Data & IA
Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).
Optimisation de paramètres par agent
Data & IA
Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.
Relance des visiteurs ICP
Data & IA
Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.