MétaCan
Menu
Retour à la cohorte
Enregistrement W2122140702 · doi:10.1348/135532506x143958

Genius is 1% inspiration and 99% perspiration … or is it? An investigation of the impact of motivation and feedback on deception detection

2006· article· en· W2122140702 sur OpenAlexaff
Stephen Porter, Sean Esteban McCabe, Michael Woodworth, Kristine A. Peace

Notice bibliographique

RevueLegal and Criminological Psychology · 2006
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaMacEwan University
Organismes subventionnairesnon disponible
Mots-clésDeceptionPsychologyLie detectionCredibilityLyingSocial psychologyEnthusiasmCognitive psychologyApplied psychology

Résumé

récupéré en direct d'OpenAlex

Purpose . Although most people perform around the level of chance in making credibility judgments, some researchers have hypothesized that high motivation and the provision of accurate feedback could lead to a higher accuracy rate. This study examined the influence of these factors on judgment accuracy and whether any improvement following feedback was related to social facilitation, a gradual incorporation of successful assessment strategies, or a re‐evaluation of ‘tunnel vision’ decision‐making. Methods . Participants ( N = 151) were randomly assigned to conditions according to motivation level (high/low) and feedback (accurate, inaccurate or none). They then judged the credibility of 12 videotaped speakers either lying or telling the truth about a personal experience. Results . Highly motivated observers performed less accurately ( M = 46.0%), but more confidently, than those in the low‐motivation condition ( M = 60.0%). Although there was no main effect of feedback, the provision of any feedback (accurate or inaccurate) served to diminish the motivational impairment effect. Further, high motivation was associated with a relatively low ‘hit’ rate and high ‘false‐alarm’ rate. This suggested that in the absence of feedback the judgments of highly motivated participants were made through tunnel vision. Conclusions . The results suggest that it is important for lie‐catchers to monitor their motivation level to ensure that over‐enthusiasm is not clouding their judgments. It may be useful for professionals engaged in deception detection to regularly discuss their judgments with colleagues as a form of feedback in order to re‐evaluate their own decision‐making strategies.

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)0,005
score de la tête « metaresearch » (Gemma)0,057
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,057
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,125
Tête enseignante GPT0,373
Écart entre enseignants0,248 · 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

Citations55
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLegal and Criminological PsychologyMême sujetDeception detection and forensic psychologyTravaux en français237 207