MétaCan
Menu
Retour à la cohorte
Enregistrement W2005242955 · doi:10.1111/spc3.12124

Implicit and Explicit Evaluation: A Brief Review of the Associative–Propositional Evaluation Model

2014· review· en· W2005242955 sur OpenAlexfundno aff
Bertram Gawronski, Galen V. Bodenhausen

Notice bibliographique

RevueSocial and Personality Psychology Compass · 2014
Typereview
Langueen
DomaineSocial Sciences
ThématiqueSocial and Intergroup Psychology
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésAssociative propertyPsychologyCognitive psychologyConsistency (knowledge bases)ContiguitySimilarity (geometry)CognitionComputer scienceArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract A central theme in contemporary psychology is the distinction between implicit and explicit evaluation. Research has shown various dissociations between the two kinds of evaluations, including different antecedents, different consequences, and discrepant evaluations of the same object. The current article provides a brief review of the associative–propositional evaluation (APE) model, which accounts for these dissociations by conceptualizing implicit and explicit evaluations as the behavioral outcomes of two functionally distinct, yet mutually interacting, mental processes. Whereas implicit evaluations are assumed to be the outcome of associative processes, explicit evaluations are conceptualized as the outcome of propositional processes. Associative processes determine the activation of mental contents on the basis of feature similarity and spatiotemporal contiguity; propositional processes involve the validation of activated mental contents on the basis of cognitive consistency. The APE model includes specific assumptions about mutual interactions between the two processes, implying precise predictions about converging versus diverging patterns of implicit and explicit evaluation.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0010,003
Communication savante0,0020,004
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,244
Tête enseignante GPT0,525
Écart entre enseignants0,281 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations118
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial and Personality Psychology CompassMême sujetSocial and Intergroup PsychologyTravaux en français237 207