MétaCan
Menu
Retour à la cohorte
Enregistrement W2151536370 · doi:10.1037/a0027019

Quand des mécanismes génératifs et préventifs rencontrent des informations compatibles et incompatibles dans le raisonnement causal probabiliste.

2012· article· fr· W2151536370 sur OpenAlexaff
Stéphan Desrochers, Sébastien Walsh, Michel Sacy

Notice bibliographique

RevueCanadian Journal of Experimental Psychology/Revue canadienne de psychologie expérimentale · 2012
Typearticle
Languefr
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPsychologyMechanism (biology)Generative grammarProbabilistic logicCognitive psychologyArtificial intelligenceComputer scienceEpistemologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Several recent models of probabilistic causal reasoning in adults propose the existence of multiple interactions between ascending and descending factors. The aim of the present study is to evaluate the potential interactions between knowledge about generative and preventive mechanisms, the delta p of the data, and the relative importance given to the type of data provided. Two experiments involving 54 participants each are conducted, in which participants are invited to quantify the nature of a potential link (causal or associative) between adding a chemical substance to the asphalt of the roads and the formation of a slippery road in the winter, after being given information suggestive of (1) a generative mechanism, (2) a preventive mechanism, or (3) nothing special. Results show an influence of the suggested mechanisms on the reading of data that were provided, especially those with a delta p that is compatible with the a priori mechanism. These results are interpreted and discussed in line with the importance of considering multiple factors in probabilistic causal reasoning. (PsycINFO Database Record (c) 2012 APA, all rights reserved).

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)0,016
score de la tête « metaresearch » (Gemma)0,130
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,130
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,004
Communication savante0,0050,010
Science ouverte0,0010,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,084
Tête enseignante GPT0,345
Écart entre enseignants0,261 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Experimental Psychology/Revue canadienne de psychologie expérimentaleMême sujetChild and Animal Learning DevelopmentTravaux en français237 207