Conformity to continuous and discrete ordered traits
Notice bibliographique
Résumé
Models of conformity and anticonformity have typically focused on cultural traits with unordered variants, such as baby names, strategies (cooperate/defect), or the presence/absence of an innovation. There have been fewer studies of conformity to cultural traits with ordered variants, such as level of cooperation (low, medium, high) or proportion of time spent on a task (0% to 100%). In these studies of ordered cultural traits, conformity is defined as a preference for the mean trait value in a population even if no members of the population have variants near this mean; e.g., 50% of the population has variant 0 and 50% has variant 1, producing a mean of 0.5. Here, we introduce models of conformity to ordered traits, which can be either discrete or continuous. In these models, conformists prefer to adopt more popular cultural variants even if these variants are far from the population mean. To measure a variant’s “popularity” in cases where no two individuals share precisely the same variant on a continuum, we introduce a metric called k -dispersal; this takes into account a variant’s distance to its k closest neighbors, with more “popular” variants having lower distances to their neighbors. We demonstrate through simulations that conformity to ordered traits need not produce a homogeneous population, as has previously been claimed. Under some combinations of parameter values, conformity sustains substantial trait variation over many generations. Furthermore, anticonformity may produce a high level of polarization.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».