The Evolution of Ostracism in Human Societies
Notice bibliographique
Résumé
Understanding how humans successfully stabilize public good contributions is a major ongoing question in the social and behavioral sciences. The use of targeted sanctions against defecting strategies is an important solution to this problem. However, ethnographic and behavioral evidence suggest that punishment is sometimes not used against defectors to stabilize cooperation. Sanctions instead are either light and insufficient to coerce cooperation or take the form of verbal repudiations, urging defectors to reform their behavior. Should defectors not reform, they are then ostracized from groups. We construct a cultural evolutionary game-theoretic model to study the evolution of ostracizing strategies in public goods games. We demonstrate that simple ostracizing strategies are unlikely to be evolutionarily viable and can neither encourage the evolution of contrite-defectors, who respond to punishment with cooperation, nor can invade recalcitrant-defecting populations, which ignore punishment. Motivated by the ethnographic literature, we then consider a hybrid sanctioning-ostracizing strategy that lightly-sanctions defectors before ostracizing repeat defectors. Such a strategy demonstrates clear advantages over simple sanctioning strategies. It can afford to impose light-sanctions when common because these sanctions are irrelevant when coercing future cooperation from defectors. More so, when recalcitrant defecting strategies have some possibility of arising in a population, sanctioning-ostracizing strategies dominate pure sanctioning ones, stabilizing cooperation with greater efficiency. Finally, our model makes psychological predictions concerning the reasoning processes that defectors will go through when defectors are coerced to cooperate by the threat of ostracism as opposed to sanctioning.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».