MétaCan
Menu
Retour à la cohorte
Enregistrement W2171192428 · doi:10.1037/a0036054

Botsourcing and outsourcing: Robot, British, Chinese, and German workers are for thinking—not feeling—jobs.

2014· article· en· W2171192428 sur OpenAlexaff
Adam Waytz, Michael I. Norton

Notice bibliographique

RevueEmotion · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésOutsourcingFeelingCognitionPsychologyGermanRobotSocial psychologyCognitive psychologyApplied psychologyBusinessMarketingComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Technological innovations have produced robots capable of jobs that, until recently, only humans could perform. The present research explores the psychology of "botsourcing"-the replacement of human jobs by robots-while examining how understanding botsourcing can inform the psychology of outsourcing-the replacement of jobs in one country by humans from other countries. We test four related hypotheses across six experiments: (1) Given people's lay theories about the capacities for cognition and emotion for robots and humans, workers will express more discomfort with botsourcing when they consider losing jobs that require emotion versus cognition; (2) people will express more comfort with botsourcing when jobs are framed as requiring cognition versus emotion; (3) people will express more comfort with botsourcing for jobs that do require emotion if robots appear to convey more emotion; and (4) people prefer to outsource cognition- versus emotion-oriented jobs to other humans who are perceived as more versus less robotic. These results have theoretical implications for understanding social cognition about both humans and nonhumans and practical implications for the increasingly botsourced and outsourced economy.

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)0,002
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 enseignants0,128
Score d'incertitude au seuil0,254

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,012
Tête enseignante GPT0,260
Écart entre enseignants0,247 · 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

Citations172
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEmotionMême sujetDigital Economy and Work TransformationTravaux en français237 207