MétaCan
Menu
Retour à la cohorte
Enregistrement W2099390557 · doi:10.1163/157075605774840950

Do ideas about function help in the study of causation?

2005· article· en· W2099390557 sur OpenAlexaff
David F. Sherry

Notice bibliographique

RevueAnimal Biology · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensWestern University
Organismes subventionnairesUniversity of Pennsylvania
Mots-clésCausationFunction (biology)Causal modelTransitive relationCausal reasoningPsychologyCognitive scienceCausality (physics)Cognitive psychologyEpistemologyBiologyCognitionEvolutionary biologyNeuroscienceMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract One of Tinbergen's most lasting contributions to the study of behaviour was the distinction he drew between causal, functional, developmental, and evolutionary questions about behaviour. More recently, behavioural ecologists have claimed that understanding the function of behaviour is an important step towards understanding its causes. This claim has, in turn, been criticised for confusing the fundamental distinction that Tinbergen defined. The study of behaviour, however, usually begins by identifying units of behaviour functionally and only then proceeds to causal analysis. Research carried out on four phenomena — disassortative mating by MHC loci, memory for cache sites in food-storing birds, auditory localisation of prey by barn owls, and magnetic orientation — illustrates the contributions made to causal research through understanding the function of behaviour. Understanding function, and sometimes simply a hypothesis about function, defines the causal questions that are asked, identifies novel questions for causal investigation, and sets the criteria that causal explanations must satisfy.

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)0,033
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,177

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,055
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0060,003
Études des sciences et des technologies0,0030,042
Communication savante0,0080,033
Science ouverte0,0040,004
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,035
Tête enseignante GPT0,282
Écart entre enseignants0,246 · 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'étudeThéorique ou conceptuel
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

Citations25
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimal BiologyMême sujetAnimal Behavior and ReproductionTravaux en français237 207