MétaCan
Menu
Retour à la cohorte
Enregistrement W1978485935 · doi:10.1177/0165025413479861

The role of honesty and benevolence in children’s judgments of trustworthiness

2013· article· en· W1978485935 sur OpenAlexaff
Fen Xu, Angela D. Evans, Chunxia Li, Qinggong Li, Gail D. Heyman, Kang Lee

Notice bibliographique

RevueInternational Journal of Behavioral Development · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensUniversity of TorontoBrock University
Organismes subventionnairesnon disponible
Mots-clésHonestyPsychologyDishonestySocial psychologyCharacter (mathematics)TrustworthinessCharacter traitsRelation (database)DeceptionCheatingDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

The present investigation examined the relation between honesty, benevolence, and trust in children. One hundred and eight 7-, 9-, and 11-year-olds were read four story types in which the character’s honesty (honesty or dishonest) was crossed with their intentions (helping or harming). Children rated the story character’s honesty, benevolence, and whether they trusted the character. Results indicated that 7- to 11-year-olds considered both honesty and benevolence when making trust judgments, and older children were more likely than younger children to trust helpful lie-tellers. Further, the relation between dishonesty and trust judgments was mediated by children’s judgments of benevolence. These findings suggest that at least from 7 years onward, children have a nuanced understanding about the relationship between honesty and trust.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,184
Score d'incertitude au seuil0,284

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,280
Écart entre enseignants0,272 · 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.

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

Citations28
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Behavioral DevelopmentMême sujetChild and Animal Learning DevelopmentTravaux en français237 207