MétaCan
Menu
Retour à la cohorte
Enregistrement W4280536531 · doi:10.1098/rspb.2022.0164

Costly teaching contributes to the acquisition of spear hunting skill among BaYaka forager adolescents

2022· article· en· W4280536531 sur OpenAlexaff
Sheina Lew‐Levy, Daša Bombjaková, Annemieke Milks, Francy Kiabiya Ntamboudila, Michelle Anne Kline, Tanya Broesch

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2022
Typearticle
Langueen
DomainePsychology
ThématiquePrimate Behavior and Ecology
Établissements canadiensSimon Fraser University
Organismes subventionnairesAlexander von Humboldt-StiftungLeakey FoundationWenner-Gren Foundation
Mots-clésSpearPsychologyObservational studyTeaching methodMathematics educationPedagogyGeographyArchaeologyMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Teaching likely evolved in humans to facilitate the faithful transmission of complex tasks. As the oldest evidenced hunting technology, spear hunting requires acquiring several complex physical and cognitive competencies. In this study, we used observational and interview data collected among BaYaka foragers (Republic of the Congo) to test the predictions that costlier teaching types would be observed at a greater frequency than less costly teaching in the domain of spear hunting and that teachers would calibrate their teaching to pupil skill level. To observe naturalistic teaching during spear hunting, we invited teacher-pupil groupings to spear hunt while wearing GoPro cameras. We analysed 68 h of footage totalling 519 teaching episodes. Most observed teaching events were costly. Direct instruction was the most frequently observed teaching type. Older pupils received less teaching and more opportunities to lead the spear hunt than their younger counterparts. Teachers did not appear to adjust their teaching to pupil experience, potentially because age was a more easily accessible heuristic for pupil skill than experience. Our study shows that costly teaching is frequently used to transmit complex tasks and that instruction may play a privileged role in the transmission of spear hunting knowledge.

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)0,003
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 enseignants0,009
Score d'incertitude au seuil0,838

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,024
Tête enseignante GPT0,295
Écart entre enseignants0,271 · 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

Citations44
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetPrimate Behavior and EcologyTravaux en français237 207