MétaCan
Menu
Retour à la cohorte
Enregistrement W2263833554 · doi:10.1002/bsl.2210

Adults’ Detection of Deception in Children: Effect of Coaching and Age for Children's True and Fabricated Reports of Injuries

2015· article· en· W2263833554 sur OpenAlexaff
Kelly L. Warren, Aishah Bakhtiar, Brent Sylvester Mulrooney, Graham Raynor, Elyse Dodd, Carole Peterson

Notice bibliographique

RevueBehavioral Sciences & the Law · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésDeceptionCoachingLie detectionPsychologySuicide preventionInjury preventionHuman factors and ergonomicsPoison controlDevelopmental psychologyMedicineSocial psychologyMedical emergencyPsychotherapist

Résumé

récupéré en direct d'OpenAlex

A total of 1,074 undergraduates judged the truthfulness of children's interviews (from verbatim transcripts) about experiencing injuries serious enough to require hospital emergency room treatment. Ninety-six children (three age groups: 5-7, 8-10, and 11-14 years, 50% girls) were interviewed. At each age, 16 children told truthful accounts of actual injury experiences and 16 fabricated their reports, with half of each group coached by parents for the previous 4 days. Lies by 5- to 7-year-olds, whether coached or not, were detected at above-chance levels. In contrast, 8- to 10-year-olds' accounts that were coached, whether true or not, were more likely to be believed. For 11- to 14-year-olds, adults were less likely to accurately judge lies if they were coached. The believability of children aged 8 or above who were coached to lie is particularly disturbing in light of the finding that participants were more confident in the accuracy of their veracity decisions when judging coached reports.

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 enseignants0,088
Score d'incertitude au seuil0,443

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,028
Tête enseignante GPT0,346
Écart entre enseignants0,318 · 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

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioral Sciences & the LawMême sujetDeception detection and forensic psychologyTravaux en français237 207