MétaCan
Menu
Retour à la cohorte
Enregistrement W2274268699 · doi:10.1177/1474704915596295

Inequality and Risk-Taking

2015· article· en· W2274268699 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueEvolutionary Psychology · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensUniversity of OttawaUniversity of GuelphUniversity of Regina
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaOntario Problem Gambling Research Centre
Mots-clésInequalityEconomic inequalitySocial inequalityEconomicsDemographic economicsPsychologyMathematics

Résumé

récupéré en direct d'OpenAlex

Inequality has been associated with risk-taking at the societal level. However, this relationship has not been directly investigated at the individual level. Risk-sensitivity theory predicts that decision makers should increase risk-taking in situations of disparity between one's present state and desired state. Economic inequality creates such a disparity. In two experiments, we examined whether imposed economic inequality affects risk-taking. In Experiment 1, we examined whether victims of inequality engaged in greater risk-taking compared to beneficiaries of inequality and those not experiencing inequality. In Experiment 2, we examined whether ameliorating inequality for victims reduced risk-taking. In both experiments, victims of inequality engaged in greater risk-taking compared to beneficiaries of inequality and those not experiencing inequality. Among victims, amelioration of inequality contributed to decreased risk-taking. These findings provide further evidence in support of risk-sensitivity theory and suggest that reductions in economic inequality may lead to lower risk-taking.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,329
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,372
Tête enseignante GPT0,500
Écart entre enseignants0,128 · 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