MétaCan
Menu
Retour à la cohorte
Enregistrement W1975384768 · doi:10.1126/science.1160769

Automatic Mental Associations Predict Future Choices of Undecided Decision-Makers

2008· article· en· W1975384768 sur OpenAlexaff
Silvia Galdi, Luciano Arcuri, Bertram Gawronski

Notice bibliographique

RevueScience · 2008
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésUnconscious mindCategorizationPsychologyTask (project management)Social psychologyControl (management)Cognitive psychologyInformation processingComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Common wisdom holds that choice decisions are based on conscious deliberations of the available information about choice options. On the basis of recent insights about unconscious influences on information processing, we tested whether automatic mental associations of undecided individuals bias future choices in a manner such that these choices reflect the evaluations implied by earlier automatic associations. With the use of a computer-based, speeded categorization task to assess automatic mental associations (i.e., associations that are activated unintentionally, difficult to control, and not necessarily endorsed at a conscious level) and self-report measures to assess consciously endorsed beliefs and choice preferences, automatic associations of undecided participants predicted changes in consciously reported beliefs and future choices over a period of 1 week. Conversely, for decided participants, consciously reported beliefs predicted changes in automatic associations and future choices over the same period. These results indicate that decision-makers sometimes have already made up their mind at an unconscious level, even when they consciously indicate that they are still undecided.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,396
Écart entre enseignants0,306 · 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'étudeObservationnel
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

Citations232
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207