MétaCan
Menu
Retour à la cohorte
Enregistrement W4366598577 · doi:10.31235/osf.io/tvg7b

Normative Conflict and Normative Change

2023· preprint· en· W4366598577 sur OpenAlexaff
Graham Alexander Noblit

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensSchwartz/Reisman Emergency Medicine InstituteVector Institute
Organismes subventionnairesnon disponible
Mots-clésNormativeNorm (philosophy)Normative social influencePunishment (psychology)Social psychologyPsychologyPopulationPositive economicsPolitical scienceEconomicsSociologyLaw

Résumé

récupéré en direct d'OpenAlex

Human life is riddled with norms, many though not all of which are costly for individuals to adopt. Similarly, human ecological adaptation relies on costly-behaviors that often generate non-rivalrous and non-exclusionary benefits for group-members. Yet, in a dynamic world, innovations, environmental change, and information-revelation mean that what norms are beneficial for a group to adopt will inevitably change over time. However, multiple game-theoretic models studying the various mechanisms stabilizing normative behaviors have demonstrated that the stability of a norm does not depend on the benefits it confers. In turn, explanations of normative change have either relied on group-selective mechanisms to explain the presence of adaptive norms or have failed to identify conditions under which normative change occurs. We study normative change by means of costly-punishment and conflict resolution. We identify social differentiation in goals and punishment capacity as a key condition permitting normative change. While normative change that results from such social differentiation need not be group beneficial it will be beneficial to some subset of agents in the population. We additionally discuss how the intra-societal forces of normative conflict that we study might interact with group-selective forces and in turn determine the dynamics and outcomes of group-selection.

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)0,006
score de la tête « metaresearch » (Gemma)0,018
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 enseignants0,006
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,014
Communication savante0,0040,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,204
Tête enseignante GPT0,384
Écart entre enseignants0,179 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEvolutionary Game Theory and CooperationTravaux en français237 207