Paradox of diversity in the collective brain
Notice bibliographique
Résumé
Human societies are collective brains. People within every society have cultural brains-brains that have evolved to selectively seek out adaptive knowledge and socially transmit solutions. Innovations emerge at a population level through the transmission of serendipitous mistakes, incremental improvements and novel recombinations. The rate of innovation through these mechanisms is a function of (1) a society's size and interconnectedness (sociality), which affects the number of models available for learning; (2) fidelity of information transmission, which affects how much information is lost during social learning; and (3) cultural trait diversity, which affects the range of possible solutions available for recombination. In general, and perhaps surprisingly, all three levers can increase and harm innovation by creating challenges around coordination, conformity and communication. Here, we focus on the 'paradox of diversity'-that cultural trait diversity offers the largest potential for empowering innovation, but also poses difficult challenges at both an organizational and societal level. We introduce 'cultural evolvability' as a framework for tackling these challenges, with implications for entrepreneurship, polarization and a nuanced understanding of the effects of diversity. This framework can guide researchers and practitioners in how to reap the benefits of diversity by reducing costs. This article is part of a discussion meeting issue 'The emergence of collective knowledge and cumulative culture in animals, humans and machines'.
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 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 | 0,002 | 0,000 |
| 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 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».