MétaCan
Menu
Retour à la cohorte
Enregistrement W2108223530 · doi:10.1177/0146167207311280

A Tarnished Silver Lining: Victim Suffering and Support for Reparations

2008· article· en· W2108223530 sur OpenAlexaff
Katherine B. Starzyk, Michael G. Ross

Notice bibliographique

RevuePersonality and Social Psychology Bulletin · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial and Intergroup Psychology
Établissements canadiensUniversity of WaterlooUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésSympathyInjusticeHarmPsychologyCompassionSocial psychologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Groups around the world are seeking reparations for historical harms. In three studies, the authors examined if people are more inclined to support a historical victim group if the group continues to suffer today because of an earlier harm. In Study 1, participants perceived greater victim suffering when the harm was recent and the degree of perceived suffering positively related to victim group support. In Studies 2 and 3, the authors manipulated continued victim suffering and the feasibility of material reparations. Both variables affected victim group support, but experienced sympathy and injustice judgments mediated their effects. Suffering victims elicited more compassion when reparations seemed feasible but were treated the same as nonsuffering victims when reparations seemed unfeasible. Suffering victims were also treated equally irrespective of feasibility of reparations, whereas nonsuffering victims were treated significantly less favorably when reparations seemed feasible, versus unfeasible.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,612
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,087
Tête enseignante GPT0,393
Écart entre enseignants0,306 · 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.

Devis d'étudeSans objet
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

Citations47
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePersonality and Social Psychology BulletinMême sujetSocial and Intergroup PsychologyTravaux en français237 207