Affective Forecasting and Its Implications for Medical Ethics
Notice bibliographique
Résumé
Through a number of studies recently published in the psychology literature, T.D. Wilson, D.T. Gilbert, and others have demonstrated that our judgments about what our future mental states will be are contaminated by various distortions. Their studies distinguish a variety of different distortions, but they refer to them all with the generic term “affective forecasting.” The findings of their studies on normal volunteers are remarkably robust and, therefore, demonstrate that we are all vulnerable to the distortions of affective forecasting.We are grateful for the questions and useful comments we received from our audience when material from this paper was originally presented. The insightful remarks helped us to appreciate what we needed to explain further and to see how our ideas applied to additional domains of medicine: Rhodes R. Affective forecasting and the implications for medical practice. Presented at Medicine Grand Rounds, North General Hospital, New York, Apr 19, 2006. Rhodes R, Strain JJ. Affective forecasting and its implications for medical ethics. Presented at Oxford-Mount Sinai Consortium on Bioethics, St. Thomas's Hospital, King's College London, Apr 24, 2006. Rhodes R. Affective forecasting and its implications for medical ethics near the end of life. Presented at Responding to End-of-Life Decisions: Perspectives from Medicine, Law, and Ethics, International Academy of Law and Mental Health, University of Montreal, May 5, 2006 and at the David Thomasma International Bioethics Retreat, Pellegrue, France, Jun 15, 2006.
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 | 0,032 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».