MétaCan
Menu
Retour à la cohorte
Enregistrement W2462194942 · doi:10.1111/sode.12202

The Influence of Competition on Resource Allocation in Preschool Children

2016· article· en· W2462194942 sur OpenAlexafffund
Anna‐Theresa Pappert, Amanda Williams, Chris Moore

Notice bibliographique

RevueSocial Development · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensDalhousie University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCONTESTPsychologyProsocial behaviorResource allocationCompetition (biology)Task (project management)Developmental psychologyGenerositySocial psychologyResource (disambiguation)Control (management)EconomicsComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract To examine how competition influences resource allocation in 4‐ to 6‐year‐olds, children were assigned to one of two conditions. In the experimental condition children colored a picture for a coloring contest whereas in the control condition they colored a picture to decorate a wall. Subsequently, all children participated in a resource allocation task with another child who was introduced as another participant in the coloring contest or who would also be coloring a picture for the wall. Finally, children were asked how many crayons (out of eight) they wanted to provide to the other child. In the resource allocation task, children made decisions about how to allocate stickers to self and other across four trial types: cost and no cost variations of both advantageous and disadvantageous inequality trials. Children were less prosocial in the experimental condition than in the control condition but only in disadvantageous inequality trials involving a cost. Children in the experimental condition withheld more crayons compared to children in the control condition. These results suggest that competition not only decreases prosocial behavior directly linked to the competition but also decreases generosity when provided with an unrelated resource allocation opportunity.

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)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,258
Écart entre enseignants0,249 · 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

Citations36
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocial DevelopmentMême sujetChild and Animal Learning DevelopmentTravaux en français237 207