Modèles avec appariement en théorie des jeux évolutionniste
Bibliographic record
Abstract
La question de l’évolution de la coopération suscite l’intérêt des biologistes depuis longtemps. Les modèles mathématiques ont joué un rôle essentiel dans la résolution du problème. La théorie des jeux précise la notion de coopération, tandis que les équations différentielles et les probabilités permettent de comprendre l’évolution des populations dans le temps. Ce mémoire est consacré à l’analyse de certains modèles de population qui ont en commun un phénomène d’appariement. Il faut comprendre par là que les individus expriment une préférence à interagir avec des individus semblables. Un chapitre liminaire revient sur certains développements importants de la théorie dy namique des jeux et de la biologie mathématique en général. On y évoque notamment l’équation de réplication, le modèle de Cannings, la diffusion de Wright-Fisher et la règle du tiers de l’évolution. Le second chapitre est un article « Assortment by Group Founders Always Promotes the Evolution of Cooperation Under Global Selection but Can Oppose it Under Local Selection ». On y examine l’effet de l’appariement sur la stabilité de l’équation de réplication avec sélection locale et globale, et la probabilité de fixation dans le modèle de Cannings avec sélection pour une grande population, pour des jeux de deux joueurs. Le troisième chapitre est un autre article « Evolution of cooperation in social dilemmas with assortment in finite population ». Il prolonge les résultats du premier article aux jeux de plusieurs joueurs, appelés dilemmes sociaux, pour une population grande mais finie.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".