MétaCan
Menu
Retour à la cohorte
Enregistrement W2003469141 · doi:10.1075/ssol.3.1.06dji

Reading other minds

2013· article· en· W2003469141 sur OpenAlexaff
Maja Djikic, Keith Oatley, Mihnea Moldoveanu

Notice bibliographique

RevueScientific Study of Literature · 2013
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMedia Influence and Health
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEmpathyPsychologyOpenness to experienceReading (process)CognitionPersonalityBig Five personality traitsCognitive psychologyDevelopmental psychologySocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

The potential of literature to increase empathy was investigated in an experiment. Participants (N = 100, 69 women) completed a package of questionnaires that measured lifelong exposure to fiction and nonfiction, personality traits, and affective and cognitive empathy. They read either an essay or a short story that were equivalent in length and complexity, were tested again for cognitive and affective empathy, and were finally given a non-self-report measure of empathy. Participants who read a short story who were also low in Openness experienced significant increases in self-reported cognitive empathy (p .05). No increases in affective empathy were found. Participants who were frequent fiction-readers had higher scores on the non-self-report measure of empathy. Our results suggest a role for fictional literature in facilitating development of empathy.

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)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,001

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 Opus0,036
Tête enseignante GPT0,271
Écart entre enseignants0,234 · 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'étudeQualitatif
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

Citations181
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Study of LiteratureMême sujetMedia Influence and HealthTravaux en français237 207