MétaCan
Menu
Retour à la cohorte
Enregistrement W2101053806 · doi:10.1162/jocn_a_00398

Abnormal Causal Attribution Leads to Advantageous Economic Decision-making: A Neuropsychological Approach

2013· article· en· W2101053806 sur OpenAlexafffund
Timothy R. Koscik, Daniel Tranel

Notice bibliographique

RevueJournal of Cognitive Neuroscience · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institute on Drug AbuseNational Institutes of Natural SciencesNatural Sciences and Engineering Research Council of CanadaConnaught FundUniversity of Toronto
Mots-clésPsychologyAttributionNeuropsychologyCognitive psychologyCognitionDevelopmental psychologySocial psychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

People tend to assume that outcomes are caused by dispositional factors, for example, a person's constitution or personality, even when the actual cause is due to situational factors, for example, luck or coincidence. This is known as the "correspondence bias." This tendency can lead normal, intelligent persons to make suboptimal decisions. Here, we used a neuropsychological approach to investigate the neural basis of the correspondence bias, by studying economic decision-making in patients with damage to the ventromedial pFC (vmPFC). Given the role of the vmPFC in social cognition, we predicted that vmPFC is necessary for the normal correspondence bias. In our experiment, consistent with expectations, healthy (n = 46) and brain-damaged (n = 30) comparison participants displayed the correspondence bias during economic decision-making and invested no differently when given dispositional or situational information. By contrast, vmPFC patients (n = 17) displayed a lack of correspondence bias and invested more when given dispositional than situational information. The results support the conclusion that vmPFC is critical for normal social inference and the correspondence bias. The findings help clarify the important (and sometimes disadvantageous) role of social inference in economic decision-making.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,827

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,105
Tête enseignante GPT0,396
Écart entre enseignants0,292 · 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'étudeExpérimental (laboratoire)
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

Citations7
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cognitive NeuroscienceMême sujetNeural and Behavioral Psychology StudiesTravaux en français237 207