A signal detection analysis of contingency data
Notice bibliographique
Résumé
There are many psychological tasks that involve the pairing of binary variables. The various tasks used often address different questions and are motivated by different theoretical issues and traditions. Upon closer examination, however, the tasks are remarkably similar in structure. In the present paper, we examine two such tasks, the contingency judgment task and the signal detection task, and we apply a signal detection analysis to contingency judgment data. We suggest that the signal detection analysis provides a novel interpretation of a well-established but poorly understood phenomenon of contingency judgments—the outcome-density effect. We must often make a decision even though the information we have is ambiguous or uncertain. One such situation is illustrated by a patient being treated by an allergist. The patient sometimes, but not always, develops hives after eating strawberries. Moreover, the patient sometimes develops hives even when strawberries are not eaten. Although the relationship between eating strawberries and developing hives is uncertain, the allergist must decide whether or not to recommend that the patient stop eating strawberries. Another type of ambiguous situation is illustrated by the task confronted by the radiologist. The radiologist must decide whether or not an X-ray indicates the presence of lung cancer. The signals seen in the X-ray are ambiguous, some consistent with lung cancer and others inconsistent with lung cancer. Even though the correct diagnosis is unclear, the radiologist must decide whether or not to recommend treatment. Despite the obvious similarities between the tasks, they have been treated quite differently. The allergy task has often been used by researchers interested in contingency assessment; that is, how humans judge that a cue (strawberry ingestion) imperfectly signals an outcome (see
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,117 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».