MétaCan
Menu
Retour à la cohorte
Enregistrement W4412073619 · doi:10.1073/pnas.2505283122

Environmental variability shapes the representational format of cultural learning

2025· article· en· W4412073619 sur OpenAlexaff
Xavier Roberts-Gaal, Marija Bolic, Fiery Cushman

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLanguage and cultural evolution
Établissements canadiensUniversity of Toronto
Organismes subventionnairesOffice of Naval ResearchNational Defense Science and Engineering GraduateU.S. Department of Defense
Mots-clésMechanism (biology)Cultural learningComputer scienceExperiential learningArtificial intelligenceCognitive psychologyCognitive scienceVariable (mathematics)PsychologyMathematics educationEpistemologyMathematics

Résumé

récupéré en direct d'OpenAlex

Cumulative culture requires learning mechanisms that are both efficient and flexible in the face of environmental change. We examine models of this learning mechanism that emphasize teaching what to do (causally opaque procedures) and those that foreground what to aim for and why (goals and causal reasoning). Learning procedures is cheap but inflexible; learning goals is more flexible to changing circumstance, but requires expensive individual learning about how to achieve them. In an iterated learning experiment, we demonstrate that cultural learning adapts in precisely this way: Microcultures more often instruct future generations to follow procedures when the world is stable, but they tend to share information about valuable outcomes and causal relations when the world is variable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,587
Score d'incertitude au seuil0,623

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,336
Écart entre enseignants0,309 · 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 tête enseignante, 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetLanguage and cultural evolutionTravaux en français237 207