MétaCan
Menu
Retour à la cohorte
Enregistrement W4319659731 · doi:10.1017/9781108878142.011

Warfare between Egalitarian Groups

2023· book-chapter· en· W4319659731 sur OpenAlexaff

Notice bibliographique

RevueCambridge University Press eBooks · 2023
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésForagingUpper PaleolithicPrehistoryMesolithicGeographyPopulationInformation warfareAgricultureHistoryEcologyDemographyPolitical scienceArchaeologySociologyBiologyLaw

Résumé

récupéré en direct d'OpenAlex

The subject of early warfare is controversial: Some authors argue that it has been prevalent throughout human biological evolution while others argue that it arose more recently. We study warfare over land among internally egalitarian groups, which were the norm for most of human prehistory. Archaeological evidence for Europe and southwest Asia indicates that warfare was rare in the Upper Paleolithic, common in the Mesolithic, and widespread in the Neolithic. This suggests an increase in the frequency of warfare along the trajectory from mobile to sedentary foraging, and from sedentary foraging to agriculture. We constructs a model in which two groups occupy sites with possibly different productivities, and each group must decide whether to attack the other. If either group attacks, the probability of one group seizing the land of the other depends on the sizes of the two populations. If neither attacks, there is peace. We show that when individual agents can freely migrate between sites before group decisions about warfare are made, a stable equilibrium with warfare cannot occur. However, a model involving costly individual migration and Malthusian population dynamics can generate warfare if climatic or technological shocks alter the relative productivities of the sites.

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)0,001
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,003
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,046
Tête enseignante GPT0,246
Écart entre enseignants0,200 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207