Nature, Nurture, and Nous: The Role of Reflection and Reason in the Nature-Nurture Debate
Notice bibliographique
Résumé
Biological and social factors (i.e., nature and nurture) interact to give rise to specific human attributes; but they alone are insufficient to explain our most uniquely human attributes: our creative ideas, artifacts, and cultures, and the diverse worldviews that underlie them. We posit that these attributes stem from the capacity for an autonomous, generative stream of thought; it relies on nous. The word ‘nous’ comes from the Greeks, and refers to intellect, understanding, thought, or reason. Our abstract thoughts, ideas, and unique creative styles, and how they crystallize into distinct ways of seeing, being, and contributing to the world may seem harder to pin down or study scientifically than innate drives (nature) and socially learnt (nurture). We show how these attributes can be modelled using autocatalytic networks. Originally used to model the origin of life, autocatalytic networks provide an abstract formal framework with which to model the emergence and growth of networks; not just the networks of catalytic molecules at the core of biological evolution, but also the cognitive structures at the core of biological evolution. Applied to culture, they allow us to model the cognitive steps involved in how knowledge obtained through social or individual learning (modelled as foodset items) ‘catalyze’ the generation of new ideas and perspectives (foodset derived items), and to track lineages of cultural adaptation and change. We outline how they have bene used to model significant transitions in human cultural prehistory, as well as cognitive development in the mind of a child, and cultural discontinuities caused by cross-domain transfer.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».