MétaCan
Menu
Retour à la cohorte
Enregistrement W1591308282 · doi:10.4000/cpl.4948

Reasoning from or reasoning about beliefs: Truth-based or possibility-based compatibility judgments and Handley et al.’s (2006) litmus test of the suppositional conditional

2010· article· en· W1591308282 sur OpenAlexfundno aff
Walter Schroyens

Notice bibliographique

RevueCurrent psychology letters · 2010
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds Wetenschappelijk Onderzoek
Mots-clésCompatibility (geochemistry)LitmusSocial psychologyPsychologyEpistemologyComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

How do people go about in evaluating the consistency of their beliefs? Do people reason from or do they reason about their beliefs in judging whether they are compatible, or both? The paper investigates how people evaluate belief in contrary conditionals and . Experiment 1 (N=141) indicates people do not use a notion of possibility-based compatibility according to which claims are compatible when they share a common possibility: After being given this definition, there was no improvement of compatibility judgments even though more than 60% confirmed a shared possibility. Experiment 2 (N = 95) and Experiment 3 (N=93) test the alternative truth-based notion of compatibility, according to which contrary conditionals are incompatible because they cannot be true at the same time. The sets people construct for a true conditional invariably include “A and C” cases (Experiment 2) and “if A then C” is judged “un-assertable” about sets that do no include such cases (Experiment 3). Such “A and C” cases are at the same time impossible when "if A then not-C" is true. Findings thus suggest contrary conditionals are judged incompatible because they cannot be true at the same time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,136
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,012
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,136
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,004
Communication savante0,0030,013
Science ouverte0,0010,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,103
Tête enseignante GPT0,439
Écart entre enseignants0,336 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent psychology lettersMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207