We can study how mechanisms evolve without knowing the rules of chess or the workings of the brain
Notice bibliographique
Résumé
We made two main points in our article on the “behavioral gambit” ( Fawcett et al. forthcoming, 2012 ). We argued not that the gambit should be jettisoned forthwith but that behavioral ecologists should recognize when they are using it and why it may sometimes fail, rather than accepting it blindly. Our second point was that by shifting our focus to the psychological mechanisms governing behavioral flexibility, we can gain important insights and generate interesting new predictions about how behavior changes as individuals gain feedback about the consequences of their actions. We are delighted that our article has attracted comment from 3 leading researchers with an active interest in the adaptive mechanisms controlling behavior. Stevens (forthcoming, 2012 ) highlights the seminal work by Herbert Simon and argues that decision rules are limited by an organism’s cognitive capacities, the “building blocks” used to implement the rules. Although this is undoubtedly true, it leaves open the question of how and why those particular building blocks arose. This is where evolution comes in. Despite acknowledging a role for evolution, very little of the work on heuristics and rules of thumb explicitly addresses their evolutionary properties. Behavioral ecologists certainly have much to learn from those studying bounded rationality, but equally, an evolutionary approach is needed to understand how, when, and why rationality is bounded. Somewhere in between these two disciplines lies fertile ground ( Hutchinson and Gigerenzer 2005 ).
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 | 0,001 | 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 | 0,001 | 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 ».