Notice bibliographique
Résumé
The term levels of analysis has been used in several ways: to distinguish between ultimate and proximate levels, to categorize different kinds of research questions and to differentiate levels of reductionism. Because questions regarding ultimate function and proximate mechanisms are logically distinct, I suggest that distinguishing between these two levels is the best use of the term. Integrating across levels in research has potential risks, but many benefits. Consideration at one level can help generate novel hypotheses at the other, define categories of behaviour and set criteria that must be addressed. Taking an adaptationist stance thus strengthens research on proximate mechanisms. Similarly, it is critical for researchers studying adaptation and function to have detailed knowledge of proximate mechanisms that may constrain or modulate evolutionary processes. Despite the benefits of integrating across ultimate and proximate levels, failure to clearly identify levels of analysis, and whether or not hypotheses are exclusive alternatives, can create false debates. Such non-alternative hypotheses may occur between or within levels, and are not limited to integrative approaches. In this review, I survey different uses of the term levels of analysis and the benefits of integration, and highlight examples of false debate within and between levels. The best integrative biology reciprocally uses ultimate and proximate hypotheses to generate a more complete understanding of behaviour.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,040 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,056 |
| Communication savante | 0,017 | 0,024 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,008 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».