MétaCan
Menu
Retour à la cohorte
Enregistrement W3171809368 · doi:10.1017/s0959774321000329

The Evolution of Complementary Cognition: Humans Cooperatively Adapt and Evolve through a System of Collective Cognitive Search

2021· article· en· W3171809368 sur OpenAlexaff
Helen Taylor, Brice Fernandes, Sarah Wraight

Notice bibliographique

RevueCambridge Archaeological Journal · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensArthur B. McDonald-Canadian Astroparticle Physics Research Institute
Organismes subventionnairesnon disponible
Mots-clésCognitionCognitive scienceAdaptation (eye)NeurocognitiveHierarchyPsychologyCognitive psychologyComputer scienceNeuroscience

Résumé

récupéré en direct d'OpenAlex

We propose a new theory of human cognitive evolution, which we term Complementary Cognition. We build on evidence for individual neurocognitive specialization regarding search abilities in the modern population, and propose that our species cooperatively searches and adapts through a system of group-level cognition. This paper sets out a coherent theory to explain why Complementary Cognition evolved and the conditions responsible for its emergence. Using the framework of search, we show that Complementary Cognition can be contextualized as part of a hierarchy of systems including genetic search and cognitive search. We propose that, just as genetic search drives phenotypic adaptation and evolution, complementary cognitive search is central to understanding how our species adapts and evolves through culture. Complementary Cognition has far-reaching implications since it may help to explain the emergence of behavioural modernity and provides a new explanatory framework for why language and many aspects of cooperation evolved. We believe that Complementary Cognition underpins our species’ success and has important implications for how modern-day systems are designed.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,006
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,045
Tête enseignante GPT0,315
Écart entre enseignants0,270 · 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

Citations31
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge Archaeological JournalMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207