MétaCan
Menu
Retour à la cohorte
Enregistrement W2010287226 · doi:10.1177/1745691614535935

Contrary to Psychological and Popular Opinion, There Is No Compelling Evidence That Older Adults Are Disproportionately Victimized by Consumer Fraud

2014· article· en· W2010287226 sur OpenAlexaff
Michael G. Ross, Igor Grossmann, Emily Schryer

Notice bibliographique

RevuePerspectives on Psychological Science · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiquePsychology of Moral and Emotional Judgment
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPsychologyCognitionVulnerability (computing)PurchasingEveryday lifeClinical psychologyPsychiatryMarketingBusiness

Résumé

récupéré en direct d'OpenAlex

According to psychological and popular opinion, older persons are especially susceptible to consumer fraud. Research on cognitive and affective aging reveals age-related changes that could increase the vulnerability of older persons to consumer fraud. However, this research does not show that consumer fraud actually is more prevalent among older persons. In generalizing from laboratory findings of cognitive decline to age differences in the prevalence of consumer fraud, psychologists may underestimate the influence in everyday life of possible protective factors associated with old age, including increased experience and changes in goals, lifestyle, income, as well as purchasing and risk behaviors. We review evidence on the prevalence of consumer fraud and conclude that there is no clear indication that it is more prevalent among older persons. Aggregating across all consumer frauds, there is evidence that consumer fraud is less common among older persons than adults of other ages. This evidence is potentially flawed, however, because of failings inherent in the methodologies. In the absence of irrefutable data, it is premature to conclude that consumer fraud is less prevalent among older adults, but it is also premature to conclude that consumer fraud is more prevalent among older persons, as is assumed in conventional and psychological wisdom.

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)0,012
score de la tête « metaresearch » (Gemma)0,082
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,082
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,015
Communication savante0,0050,007
Science ouverte0,0030,002
Intégrité de la recherche0,0090,008
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,099
Tête enseignante GPT0,361
Écart entre enseignants0,262 · 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

Citations127
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerspectives on Psychological ScienceMême sujetPsychology of Moral and Emotional JudgmentTravaux en français237 207