MétaCan
Menu
Retour à la cohorte
Enregistrement W2117894654 · doi:10.1098/rspb.2012.0615

Outsourcing punishment to God: beliefs in divine control reduce earthly punishment

2012· article· en· W2117894654 sur OpenAlexaff
Kristin Laurin, Azim Shariff, Joseph Henrich, Aaron C. Kay

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensUniversity of British ColumbiaUniversity of Waterloo
Organismes subventionnairesEconomic and Social Research Council
Mots-clésPunishment (psychology)ReligiositySocial psychologyPsychologyNorm (philosophy)CheatingPerceptionCriminologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The sanctioning of norm-transgressors is a necessary--though often costly--task for maintaining a well-functioning society. Prior to effective and reliable secular institutions for punishment, large-scale societies depended on individuals engaging in 'altruistic punishment'--bearing the costs of punishment individually, for the benefit of society. Evolutionary approaches to religion suggest that beliefs in powerful, moralizing Gods, who can distribute rewards and punishments, emerged as a way to augment earthly punishment in large societies that could not effectively monitor norm violations. In five studies, we investigate whether such beliefs in God can replace people's motivation to engage in altruistic punishment, and their support for state-sponsored punishment. Results show that, although religiosity generally predicts higher levels of punishment, the specific belief in powerful, intervening Gods reduces altruistic punishment and support for state-sponsored punishment. Moreover, these effects are specifically owing to differences in people's perceptions that humans are responsible for punishing wrongdoers.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,031
Tête enseignante GPT0,291
Écart entre enseignants0,260 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations114
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207