Cultural differences in strategic behavior: A study in computational estimation.
Notice bibliographique
Résumé
Imbo and LeFevre (2009) observed that Asians (responding in their 2nd language) selected strategies less adaptively than did non-Asians (responding in their 1st language). In the present research, we tested whether adaptive strategy selection is (a) really more resource demanding for Asians than for non-Asians or (b) more resource demanding for participants answering in a nonpreferred language. Three groups of participants were tested on a computational estimation task (e.g., 42 × 57 ≈ ?) in no-load and load conditions: 40 Belgian-educated adults who answered in their first language (Dutch), 40 Chinese-educated adults who answered in their first language (Chinese), and 40 Chinese-educated adults who answered in their second language (English). Although the Chinese were faster and more accurate than the Belgians, they selected strategies less adaptively. That is, the Chinese were less likely to choose the strategy that produced the best estimate; this was especially so when their working memory was loaded. Further, we also observed that the Chinese who answered in English were slower than the Chinese who answered in Chinese; this difference was larger for difficult strategies and under working memory load. These results are interpreted in terms of the encoding complex model, whereas the explanation for the adaptivity results is based on cultural differences in educational history.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».