MétaCan
Menu
Retour à la cohorte
Enregistrement W2140462348 · doi:10.1177/0956797614536401

Can Classic Moral Stories Promote Honesty in Children?

2014· article· en· W2140462348 sur OpenAlexaff
Kang Lee, Victoria Talwar, Anjanie McCarthy, Ilana Ross, Angela D. Evans, Cindy Arruda

Notice bibliographique

RevuePsychological Science · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiquePsychology of Moral and Emotional Judgment
Établissements canadiensBrock UniversityMcGill UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHonestyDishonestyLyingPsychologyVirtueGeorge (robot)Social psychologyDeceptionMoral developmentFocus (optics)Developmental psychologyEpistemologyPhilosophyHistoryMedicine

Résumé

récupéré en direct d'OpenAlex

The classic moral stories have been used extensively to teach children about the consequences of lying and the virtue of honesty. Despite their widespread use, there is no evidence whether these stories actually promote honesty in children. This study compared the effectiveness of four classic moral stories in promoting honesty in 3- to 7-year-olds. Surprisingly, the stories of "Pinocchio" and "The Boy Who Cried Wolf" failed to reduce lying in children. In contrast, the apocryphal story of "George Washington and the Cherry Tree" significantly increased truth telling. Further results suggest that the reason for the difference in honesty-promoting effectiveness between the "George Washington" story and the other stories was that the former emphasizes the positive consequences of honesty, whereas the latter focus on the negative consequences of dishonesty. When the "George Washington" story was altered to focus on the negative consequences of dishonesty, it too failed to promote honesty in children.

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)0,001
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 enseignants0,483
Score d'incertitude au seuil0,658

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,101
Tête enseignante GPT0,330
Écart entre enseignants0,228 · 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

Citations158
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychological ScienceMême sujetPsychology of Moral and Emotional JudgmentTravaux en français237 207