Wayshaping: A Multiscale Framework for Behavior Change
Notice bibliographique
Résumé
Habitual human behaviors shape nearly every aspect of life, from personal health and relationships to organizational success, disease transmission, and ecological sustainability. However, efforts to change behavior often fail to account for the complexity and multiscale nature of habit formation, leading to interventions that struggle to produce lasting effects. A persistent challenge is the intention-action gap, the discrepancy between what we intend to do and what we do in practice – an issue that traditional models of habit formation fail to fully explain. Here, we introduce the wayshaping framework, drawing on recent advances in cognitive science to emphasize the multiscale, complex and anticipatory nature of behavior. This framework makes three key contributions that significantly reframe how we understand and approach behavior change: (1) it reconceptualizes the individual as a multilevel, multiscale collective intelligence, offering a novel perspective on the organizing and developmental dynamics underlying habit formation; (2) it reinterprets the intention-action gap as a set of interdependent coordination challenges – non-linearity, alignment, and anticipation; and (3) it outlines principled skills for navigating these challenges and shaping habits in line with our intentions. By integrating insights from embodied cognitive science, complexity theory, behavior change research, and design, the wayshaping framework reframes individual habit change as a process of multiscale realignment. It thus provides a novel, unifying theoretical foundation for interdisciplinary research that has concrete and practical value in shaping sustainable behavior change.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,014 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».