MétaCan
Menu
Retour à la cohorte
Enregistrement W2970341350 · doi:10.31235/osf.io/nzv8d

Pathways to Social Inequality

2019· article· en· W2970341350 sur OpenAlexaff
Hannah J. Haynie, Patrick H. Kavanagh, Fiona M. Jordan, Carol R. Ember, Russell D. Gray, Simon J. Greenhill, Kathryn R. Kirby, Geoff Kushnick, Bobbi S. Low, Ty Tuff, Bruno Vilela, Carlos A. Botero, Michael C. Gavin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensMcGill UniversityUniversity of Toronto
Organismes subventionnairesNational Science Foundation
Mots-clésInequalitySocial inequalitySubsistence agricultureCausality (physics)Economic inequalityResource (disambiguation)EconomicsDevelopment economicsEconomic geographySociologyEcologyBiologyAgricultureComputer science

Résumé

récupéré en direct d'OpenAlex

Social inequality is now pervasive in human societies, despite the fact that humans lived in relatively egalitarian, small-scale societies across most of our history. Prior literature highlights the importance of environmental conditions, economic defensibility, and wealth transmission for shaping early Holocene origins of social inequality. However, it remains untested whether the mechanisms that drive the evolution of inequality in recent human societies follow a similar trajectory. We conduct the first global analysis of pathways to inequality within modern human societies using structural equation modeling. Our analytical approach demonstrates that environmental conditions, resource intensification, and wealth transmission mechanisms impact various forms of social inequality via a complex web of causality. We further find that subsistence practices have a direct impact on some institutionalized forms of inequality. This work identifies drivers of social inequality in the modern world and demonstrates the application of structural equation modeling methods to investigate complex relationships between elements of human culture.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,002
Science ouverte0,0000,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,318
Écart entre enseignants0,280 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEvolutionary Game Theory and CooperationTravaux en français237 207