MétaCan
Menu
Retour à la cohorte
Enregistrement W3046826284 · doi:10.26451/abc.07.03.10.2020

Do Nonhumans Seek Explanations?

2020· article· en· W3046826284 sur OpenAlexaboutno aff
Christoph J. Völter, Megan L. Lambert, Ludwig Huber

Notice bibliographique

RevueAnimal Behavior and Cognition · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensnon disponible
Organismes subventionnairesMesserli-StiftungAustrian Science FundVienna Science and Technology Fund
Mots-clésUnobservableObject (grammar)PsychologyVariety (cybernetics)Cognitive psychologyResearch ObjectDevelopmental psychologySocial psychologyEpistemologyCognitive scienceSociologyArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

From an early age, children explore their environment in a way suggesting that they reason about causal variables and seek causal explanations. Indeed, following extensive studies of problem-solving abilities in chimpanzees, Povinelli (Folk Physics for Apes, Oxford University Press, 2000) proposed that this ability to reason about unobservable variables is unique to humans. Following on from this, Povinelli and Dunphy-Lelii (Canadian Journal of Experimental Psychology, 55(2), [187][188][189][190][191][192][193][194][195] 2001) addressed the question whether chimpanzees would explore objects with the aim of elucidating unobservable and surprising object properties. Chimpanzees, unlike preschool children, did not show increased object exploration following a change in the unobservable properties of an object. We critically discuss these findings and argue that more research using a greater variety of methods and with a larger number of species is required to support the hypothesis that only humans engage in explanation seeking. We conclude by highlighting avenues for future research based on developmental and comparative research aimed at object exploration and information seeking conducted since the original investigation by Povinelli and Dunphy-Lelii.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,490
Score d'incertitude au seuil0,999

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)0,0020,001

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 Opus0,055
Tête enseignante GPT0,314
Écart entre enseignants0,259 · 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.

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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimal Behavior and CognitionMême sujetChild and Animal Learning DevelopmentTravaux en français237 207