Generalization versus contextualization in automatic evaluation.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Research has shown that automatic evaluations can be highly robust and difficult to change, highly malleable and easy to change, and highly context dependent. We tested a representational account of these disparate findings, which specifies the conditions under which automatic evaluations reflect (a) initially acquired information, (b) subsequently acquired, counterattitudinal information, or (c) a mixture of both. The account postulates that attention to contextual cues during the encoding of evaluative information determines whether this information is stored in a context-free representation or a contextualized representation. To the extent that attention to context cues is low during the encoding of initial information but is enhanced by exposure to expectancy-violating counterattitudinal information, initial experiences are stored in context-free representations, whereas counterattitudinal experiences are stored in contextualized representations. Hence, automatic evaluations tend to reflect the valence of counterattitudinal information only in the context in which this information was learned (occasion setting) and the valence of initial experiences in any other context (renewal effect). Four experiments confirmed these predictions, additionally showing that (a) the impact of initial experiences was reduced for automatic evaluations in novel contexts when context salience during the encoding of initial information was enhanced, (b) context effects were eliminated altogether when context salience during the encoding of counterattitudinal information was reduced, and (c) enhanced context salience during the encoding of counterattitudinal information produced context-dependent automatic evaluations even when there was no contingency between valence and contextual cues. Implications for automatic evaluation, learning theory, and interventions in applied settings are discussed.
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.
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 | 0,002 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 découle