Children’s Evaluations of Tattles, Confessions, Prosocial and Antisocial Lies
Notice bibliographique
Résumé
Lie-telling is a false verbal statement made with the intention to deceive another. Lies may be told for selfish reasons or due to prosocial motivations. As a result, the veracity of a statement holds more than just communicative intent but rather represents social intentions. In the current experiment children (6- to 12-years old) viewed 12 vignettes which depicted a protagonist either telling a truth or a lie. The protagonist’s statements either hurt another or themselves (other versus self). Following viewing of each vignette participants provided a moral evaluation of the protagonist’s statement (five-point Likert) and a classification of the statements; as either a truth or lie. Additionally, a novel method of evaluating statements was introduced, whereby children evaluated communicative intent as an act, to be rewarded or punished. Results revealed that both lies and truths were accurately identified, with the exception of altruistic lies (benefits to another) and tattling truths (harms another). Younger children rewarded truthful statements, which harmed or hurt another, significantly more often than older children. Older children ranked lies to help another significantly more favorably than lies to protect the self. Children also rewarded confessions and punished antisocial lies most frequently. Results highlight the notable differences in children’s perceptions of varying forms of honesty and lying.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».