The evolutionary background to (mis)understanding an uncertain world
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Misunderstandings of causality are often referred to as superstitions. More formally, superstitious behaviours can be defined as actions (or inactions) that are performed in order to increase the probability that a beneficial outcome arises when there is no causal relationship between the action and the outcome. While superstitious behaviours are common in humans, they also arise in non-human animals. Although behaving superstitiously may on first reflection appear always maladaptive, recent models have shown that superstitions will readily arise as a by-product of adaptive learning, in which individuals seek to balance gaining new information about the world with exploiting their current information. In short, if a behavior appears associated with a beneficial outcome, it may not be worthwhile experimenting and losing out on this benefit to determine whether the association has arisen by chance. The models help explain why superstitions get started, and indicate the types of superstitious behaviours that are likely to persist. In support, empiricists have widely observed that superstitions are more likely to develop when the perceived benefit of adopting a behaviour is high compared to the cost of not adopting it and when the number of opportunities to test one’s understanding is low. Collectively, therefore, while superstitions are commonly presented as entirely irrational behaviours, they can actually represent a smart strategy, promoted by natural selection, in situations where causal relationships are uncertain.
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.
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 | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle