The evolution of zero-sum and positive-sum worldviews
Notice bibliographique
Résumé
People and cultures differ in the extent to which they view the world as a zero-sum environment (where one person's gain is another's loss) or a positive-sum environment (where certain actions can benefit everyone). These beliefs shape individuals' willingness to work, invest, collaborate, or show hostility toward out-groups, and accept or reject various social policies. We model dyadic interactions in a heterogeneous population where individuals biased toward a zero-sum worldview are more likely to invest in competition, while those biased toward a positive-sum worldview are more likely to invest in cooperation. The environment alternates stochastically between cooperative and competitive states. Without social influence, the more accurate worldview yields higher utilities and spreads throughout the population. However, assortative matching by bias can favor the positive-sum worldview even if a positive-sum environment is somewhat less likely. With peer conformity, inaccurate worldviews can persist after a structural change in the environment, leading to cultural evolutionary mismatch. In the presence of cultural authorities who can alter beliefs, either both worldviews can coexist or one excludes the other. Moreover, when assortative matching and conformity interact, authorities may profit by amplifying individuals' biases, creating enclaves of similarly biased people who can pay the authorities enough to make investment in persuasive technology economically viable. Cultural evolutionary mismatch is more likely in cultures marked by strong peer conformity and high responsiveness to authority when the authority promotes a suboptimal worldview. This study demonstrates how real-world conditions, peer influence, and authority interventions can perpetuate or shift zero-sum and positive-sum worldviews-at times leading to inaccurate beliefs.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».