Reflections on adaptive behavior : essays in honor of J.E.R. Staddon
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
John Staddon has devoted his long and distinguished career to the study of the adaptive function and mechanisms of learning. He did his graduate work at the famous Skinner Lab at Harvard in the early 1960s (supervised by Richard Herrnstein, who did his doctoral work with B. F. Skinner), but his work can be characterized as behaviorism. Staddon, now at Duke University, believes that experimental analysis is never enough to make sense of behavior and that theoretical is also required. Staddon's imagination has distinguished his work over the years and has influenced the field. Staddon is not afraid to deviate from the norm: when psychologists were maintaining their distance from behavioral psychology, Staddon was promoting optimality theories. Optimality theories in psychology are now commonplace. In this volume, Staddon's colleagues and former students discuss topics that have been important in his work: behavioral ability and choice, memory, time and models (the subject of his work at Harvard), and behaviorism. They also reflect on Staddon's influence on their own work and the evolution of their thinking on these topics. ContributorsGiulio Bolacchi, Daniel T. Cerutti, Mircea Ioan Chelaru, J. Mark Cleaveland, Robert H. I. Dale, Rebecca A. Dixon, Valentin Dragoi, Stephen Gray, Jennifer J. Higa, John M. Horner, Nancy K. Innis, Mandar S. Jog, Richard Keen, John E. Kello, Eric Macaux, Armando Machado, John C. Malone, Jr., Kazuchika Manabe, Susan R. Perry, Alliston K. ReidNancy K. Innis was Professor of Psychology at the University of Western Ontario. J. E. R. Staddon supervised her Ph.D. work at Duke University.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle