MétaCan
Menu
Retour à la cohorte
Enregistrement W1835515630 · doi:10.1111/pops.12010

Self‐Harm Focus Leads to Greater Collective Guilt: The Case of the <scp>U.S</scp>.‐<scp>I</scp>raq Conflict

2013· article· en· W1835515630 sur OpenAlexaff
Daniel Sullivan, Mark J. Landau, Nyla R. Branscombe, Zachary K. Rothschild, Tracey Cronin

Notice bibliographique

RevuePolitical Psychology · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiquePsychology of Moral and Emotional Judgment
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésHarmCollective actionPsychologySocial psychologyCognitionFocus groupPolitical scienceSociologyPsychiatryLawPolitics

Résumé

récupéré en direct d'OpenAlex

Collective guilt from harm one's group has caused an out‐group is often undermined because people minimize or legitimize the harm done (i.e., they generate exonerating cognitions ). When a group action has harmed both the in‐group and an out‐group, focusing people on “self‐harm”—ways in which the in‐group has harmed itself—may elicit more collective guilt because self‐harm is less likely to be exonerated. In Study 1, American participants who focused on how the invasion of I raq had harmed the U nited S tates expressed greater collective guilt over harm inflicted on the people of I raq than those who focused on I raqi suffering. Study 2 showed that this effect is due to reductions in exonerating cognitions among people focused on self‐harm. We consider the implications of these findings for intergroup reconciliation, particularly in situations where two groups have been involved in open conflict.

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)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,473
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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 Opus0,102
Tête enseignante GPT0,338
Écart entre enseignants0,236 · 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.

Devis d'étudeSans objet
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

Citations16
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolitical PsychologyMême sujetPsychology of Moral and Emotional JudgmentTravaux en français237 207