MétaCan
Menu
Retour à la cohorte
Enregistrement W2528905136 · doi:10.1371/journal.pone.0164188

Runaway Competition: A Correction and Extension of Results for a Model of Competitive Helping

2016· article· en· W2528905136 sur OpenAlexafffund
Erin Wild, M Cojocaru

Notice bibliographique

RevuePLoS ONE · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCompetition (biology)Extension (predicate logic)Computer scienceBiologyEcologyProgramming language

Résumé

récupéré en direct d'OpenAlex

We investigate and generalize an existing model of competitive helping within a biological market, first introduced for a population of competing individuals in which one individual provides help to all others; the rest compete for the help available from this individual by providing help themselves. Our generalized model comprises two strategies in which each individual of a specific type provides the same amount of help as all other individuals of that type. Each individual's fitness function is dependent on this level of help, the cost of providing the help, and the fact that help is proportionally reciprocated by other individuals. Competitive helping occurs when individuals actively try to help more than other individuals. To assess the emergence of equilibrium help strategies as adopted by proportions of the population, we examine the competition over available help within two settings: replicator dynamics and agent-based numerical simulations. To move one step further in our generalization, we use the agent-based model to study the N-person competitive helping game, where all individuals in the population are heterogeneous with respect to help provided. Our results show that helping does not increase indefinitely with the population size, as concluded previously, and while there are some instances of an increase in help provided as a result of competition, this competition can be detrimental to all individuals and in most cases, one type simply gives up (thus evolving to a "no help" strategy). The degree to which an individual's help is reciprocated by the others in the population has strong implications in the long-term behaviour of equilibrium help levels of types of individuals (and of individuals themselves); these equilibrium help levels diverge from existing conjectures in current literature. Lastly, small amounts of passively provided (costless) help results in runaway competition among all individuals.

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)0,003
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,005
Science ouverte0,0040,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0190,002

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 Opus0,062
Tête enseignante GPT0,268
Écart entre enseignants0,206 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207