MétaCan
Menu
Retour à la cohorte
Enregistrement W2128381703 · doi:10.3389/fpsyg.2014.01088

Exploring disadvantageous inequality aversion in children: how cost and discrepancy influence decision-making

2014· article· en· W2128381703 sur OpenAlexafffund
Amanda Williams, Chris Moore

Notice bibliographique

RevueFrontiers in Psychology · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensDalhousie University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésInequity aversionInequalityPsychologyStochastic gameRisk aversion (psychology)Loss aversionResource allocationSocial psychologyEconomicsMicroeconomicsExpected utility hypothesisMathematical economicsMathematics

Résumé

récupéré en direct d'OpenAlex

This research examined disadvantageous inequality aversion in 4- and 6-year-old children. Using the resource allocation paradigm, we explored how inequality aversion was influenced by whether a cost was associated with the equitable choice. We also investigated whether preferences for equality differed depending on whether the inequitable choice presented a small or large discrepancy between the payoff of the participant and their partner. The results demonstrated that cost plays a large role in decision-making, as children preferred equality more when there was no cost associated with it compared to when there was a cost. Interestingly, the effect of cost also affected discrepancy, with children more likely to choose equality when the discrepancy was large as opposed to small, in cost trials but not in no cost trials. Finally, the effect of discrepancy also interacted with age, with older children being more sensitive to the discrepancy between themselves and their partner. Together, these results suggest that children's behavior is not indiscriminately guided by a generalized aversion to inequality or established fairness norms. Alternate motives for inequality aversion 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.

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 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 enseignants0,322
Score d'incertitude au seuil0,949

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,026
Tête enseignante GPT0,319
Écart entre enseignants0,292 · 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.

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

Citations27
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetChild and Animal Learning DevelopmentTravaux en français237 207