MétaCan
Menu
Retour à la cohorte
Enregistrement W2474685639 · doi:10.1111/cdev.12582

Reducing Children's Implicit Racial Bias Through Exposure to Positive Out-Group Exemplars

2016· article· en· W2474685639 sur OpenAlexaff
Antonya Marie Gonzalez, Jennifer R. Steele, Andrew Scott Baron

Notice bibliographique

RevueChild Development · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial and Intergroup Psychology
Établissements canadiensYork UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPsychologyDevelopmental psychologyMalleabilityRacial biasRacial differencesIntervention (counseling)Race (biology)Implicit biasEthnic groupSocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract Studies with adults suggest that implicit preferences favoring White versus Black individuals can be reduced through exposure to positive Black exemplars. However, it remains unclear whether developmental differences exist in the capacity for these biases to be changed. This study included 369 children and examined whether their implicit racial bias would be reduced following exposure to positive Black exemplars. Results showed that children's implicit pro-White bias was reduced following exposure to positive Black exemplars, but only for older children (Mage = ~10 years). Younger children's (Mage = ~7 years) implicit bias was not affected by this intervention. These results suggest developmental differences in the malleability of implicit racial biases and point to possible age differences in intervention effectiveness.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,031
Tête enseignante GPT0,318
Écart entre enseignants0,287 · 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

Citations162
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChild DevelopmentMême sujetSocial and Intergroup PsychologyTravaux en français237 207