How can I find what I want? Can children, chimpanzees and capuchin monkeys form abstract representations to guide their behavior in a sampling task?
Notice bibliographique
Résumé
concepts are a powerful tool for making wide-ranging predictions in new situations based on little experience. Whereas looking-time studies suggest an early emergence of this ability in human infancy, other paradigms like the relational match to sample task often fail to detect abstract concepts until late preschool years. Similarly, non-human animals show difficulties and often succeed only after long training regimes. Given the considerable influence of slight task modifications, the conclusiveness of these findings for the development and phylogenetic distribution of abstract reasoning is debated. Here, we tested the abilities of 3 to 5-year-old children, chimpanzees, and capuchin monkeys in a unified and more ecologically valid task design based on the concept of "overhypotheses" (Goodman, 1955). Participants sampled high- and low-valued items from containers that either each offered items of uniform value or a mix of high- and low-valued items. In a test situation, participants should switch away earlier from a container offering low-valued items when they learned that, in general, items within a container are of the same type, but should stay longer if they formed the overhypothesis that containers bear a mix of types. We compared each species' performance to the predictions of a probabilistic hierarchical Bayesian model forming overhypotheses at a first and second level of abstraction, adapted to each species' reward preferences. Children and, to a more limited extent, chimpanzees demonstrated their sensitivity to abstract patterns in the evidence. In contrast, capuchin monkeys did not exhibit conclusive evidence for the ability of abstract knowledge formation.
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 | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».