MétaCan
Menu
Retour à la cohorte
Enregistrement W2519771210

Implicit conflict detection during decision making

2007· article· en· W2519771210 sur OpenAlexfundno aff
Wim De Neys

Notice bibliographique

RevueeScholarship (California Digital Library) · 2007
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensnon disponible
Organismes subventionnairesYork University
Mots-clésJudgementNormativeHeuristicPsychologyDual process theory (moral psychology)HeuristicsComputer scienceProcess (computing)EpistemologySocial psychologyArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Popular dual process theories of reasoning and decision making have characterized human thinking as an interplay of an intuitive and analytic reasoning process.Although monitoring the output of the two systems for conflict is crucial to avoid decision making errors there are some widely different views on the efficiency of the process.Kahneman (2002) claims that the monitoring of the intuitive system is typically quite lax whereas others such as Sloman (1996) and Epstein (1994) claim it is flawless and people typically experience a struggle between what they "know" and "feel" in case of a conflict.The present study contrasted these views.Participants solved classic base rate neglect problems while thinking aloud.Verbal protocols showed no evidence for an explicitly experienced conflict.As Kahneman predicted, participants hardly ever mentioned the base rates and seemed to base their judgment exclusively on heuristic reasoning.However, a more implicit measure of conflict detection based on participants' retrieval of the base rate information in an unannounced recall test showed that the base rates had been thoroughly processed.Results indicate that although the popular characterization of conflict detection as an actively experienced struggle needs to be revised there is nevertheless evidence for Sloman and Epstein's basic claim about the flawless operation of the conflict monitoring process.

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)0,006
score de la tête « metaresearch » (Gemma)0,083
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 enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,083
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,048
Tête enseignante GPT0,324
Écart entre enseignants0,276 · 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

Citations3
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship (California Digital Library)Même sujetDecision-Making and Behavioral EconomicsTravaux en français237 207