MétaCan
Menu
Retour à la cohorte
Enregistrement W4286799608 · doi:10.48550/arxiv.2007.06442

Modeling a Cognitive Transition at the Origin of Cultural Evolution\n using Autocatalytic Networks

2020· preprint· W4286799608 sur OpenAlexaff
Liane Gabora, Mike Steel

Notice bibliographique

RevuearXiv (Cornell University) · 2020
Typepreprint
Langue
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensUniversity of British Columbia, Okanagan Campus
Organismes subventionnairesnon disponible
Mots-clésAcheuleanSociocultural evolutionCognitive scienceMental representationRepresentation (politics)CognitionSet (abstract data type)TRACE (psycholinguistics)Action (physics)Social learningPsychologyTransition (genetics)Computer scienceCognitive psychologyEpistemologySociologyGeographyLinguisticsBiologyKnowledge managementAnthropologyArchaeologyNeurosciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Autocatalytic networks have been used to model the emergence of\nself-organizing structure capable of sustaining life and undergoing biological\nevolution. Here, we model the emergence of cognitive structure capable of\nundergoing cultural evolution. Mental representations of knowledge and\nexperiences play the role of catalytic molecules, and interactions amongst them\n(e.g., the forging of new associations) play the role of reactions, and result\nin representational redescription. The approach tags mental representations\nwith their source, i.e., whether they were acquired through social learning,\nindividual learning (of pre-existing information), or creative thought\n(resulting in the generation of new information). This makes it possible to\nmodel how cognitive structure emerges, and to trace lineages of cumulative\nculture step by step. We develop a formal representation of the cultural\ntransition from Oldowan to Acheulean tool technology using Reflexively\nAutocatalytifc and Food set generated (RAF) networks. Unlike more primitive\nOldowan stone tools, the Acheulean hand axe required not only the capacity to\nenvision and bring into being something that did not yet exist, but\nhierarchically structured thought and action, and the generation of new mental\nrepresentations: the concepts EDGING, THINNING, SHAPING, and a meta-concept,\nHAND AXE. We show how this constituted a key transition towards the emergence\nof semantic networks that were self-organizing, self-sustaining, and\nautocatalytic, and discuss how such networks replicated through social\ninteraction. The model provides a promising approach to unraveling one of the\ngreatest anthropological mysteries: that of why development of the Acheulean\nhand axe was followed by over a million years of cultural stasis.\n

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,128
Tête enseignante GPT0,242
Écart entre enseignants0,114 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetEvolutionary Game Theory and CooperationTravaux en français237 207