MétaCan
Menu
Retour à la cohorte
Enregistrement W2509385610 · doi:10.3389/fpsyg.2016.01334

Sociocultural Influences on Moral Judgments: East–West, Male–Female, and Young–Old

2016· article· en· W2509385610 sur OpenAlexaboutno aff
K.R. Arutyunova, Yuri I. Alexandrov, Marc D. Hauser

Notice bibliographique

RevueFrontiers in Psychology · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiquePsychology of Moral and Emotional Judgment
Établissements canadiensnon disponible
Organismes subventionnairesRussian Academy of SciencesRussian Science Foundation
Mots-clésPsychologySociocultural evolutionSocial psychologyVariation (astronomy)Developmental psychologySociology

Résumé

récupéré en direct d'OpenAlex

Gender, age, and culturally specific beliefs are often considered relevant to observed variation in social interactions. At present, however, the scientific literature is mixed with respect to the significance of these factors in guiding moral judgments. In this study, we explore the role of each of these factors in moral judgment by presenting the results of a web-based study of Eastern (i.e., Russia) and Western (i.e., USA, UK, Canada) subjects, male and female, and young and old. Participants (n = 659) responded to hypothetical moral scenarios describing situations where sacrificing one life resulted in saving five others. Though men and women from both types of cultures judged (1) harms caused by action as less permissible than harms caused by omission, (2) means-based harms as less permissible than side-effects, and (3) harms caused by contact as less permissible than by non-contact, men in both cultures delivered more utilitarian judgments (save the five, sacrifice one) than women. Moreover, men from Western cultures were more utilitarian than Russian men, with no differences observed for women. In both cultures, older participants delivered less utilitarian judgments than younger participants. These results suggest that certain core principles may mediate moral judgments across different societies, implying some degree of universality, while also allowing a limited range of variation due to sociocultural factors.

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)0,000
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 enseignants0,128
Score d'incertitude au seuil0,664

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,071
Tête enseignante GPT0,305
Écart entre enseignants0,234 · 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

Citations71
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetPsychology of Moral and Emotional JudgmentTravaux en français237 207