MétaCan
Menu
Retour à la cohorte
Enregistrement W3025719476 · doi:10.1075/is.17028.rus

Pantomime and imitation in great apes

2018· article· en· W3025719476 sur OpenAlexaff
Anne E. Russon

Notice bibliographique

RevueInteraction Studies Social Behaviour and Communication in Biological and Artificial Systems · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésImitationScripting languageAction (physics)PsychologyLanguage evolutionCognitive scienceCognitive psychologyCommunicationComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract This paper assesses great apes’ abilities for pantomime and action imitation, two communicative abilities proposed as key contributors to language evolution. Modern great apes, the only surviving nonhuman hominids, are important living models of the communicative platform upon which language evolved. This assessment is based on 62 great ape pantomimes identified via data mining plus published reports of great ape action imitation. Most pantomimes were simple, imperative, and scaffolded by partners’ relationship and scripts; some resemble declaratives, some were sequences of several inter-related elements. Imitation research consistently shows great apes perform action imitation at low fidelity, but also that action imitation may not represent a distinct process or function. Discussion focuses on how findings may advance reconstruction of the evolution of language, including what great apes may contribute to understanding ‘primitive’ forms of pantomime and imitation and how to improve their study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,300

Scores Codex et Gemma par catégorie

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

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 Opus0,193
Tête enseignante GPT0,421
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations18
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInteraction Studies Social Behaviour and Communication in Biological and Artificial SystemsMême sujetChild and Animal Learning DevelopmentTravaux en français237 207