MétaCan
Menu
Retour à la cohorte
Enregistrement W4365791452 · doi:10.4236/tel.2023.132016

The Economics of Nature: Constrained Dynamic Optimization and Efficient Decentralized Decision Making in Nature

2023· article· en· W4365791452 sur OpenAlexaff
Jong Soue You

Notice bibliographique

RevueTheoretical Economics Letters · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensAlgoma University
Organismes subventionnairesnon disponible
Mots-clésOutcome (game theory)EconomicsMicroeconomicsLiving systemsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The paper suggests that the study of economics as being practised in the economics profession today is needlessly human centered. Evidence is presented that the driving force behind activities of all living organisms including humans is economic in nature. Their behaviors are driven by the objective of constrained dynamic optimization, i.e., that they behave rationally. Further, whenever large-scale groups are formed such as colonies of ants and bees, and trees of the forest, they resort to decentralized decision making to obtain efficiency. The evidence for this proposition is rooted in a wide range of observations on the behaviors of many plants and animals and indeed in how their genome is organized and functions. Recent research suggests that the origin of life itself had the underlying motive that was economic in nature, i.e., that life was not a chance occurrence but an inevitable outcome of energy-dissipation-driven organization of the matters behaving so as to maximize the economic efficiency along the evolutionary path of increasing entropy production. Further, observations on a wide range of natural phenomena, including straight-line path of sunlight, symmetry of snowflakes and crystals, lead us to believe that it is not just living organisms that behave rationally but inorganic matters as well rationally in the sense that they behave with the objective of constrained dynamic optimization that produces efficient outcome.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,004
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,003
Tête enseignante GPT0,258
Écart entre enseignants0,255 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheoretical Economics LettersMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207