Auditory hindsight bias: Fluency misattribution versus memory reconstruction.
Notice bibliographique
Résumé
We report 4 experiments investigating auditory hindsight bias-the tendency to overestimate the intelligibility of distorted auditory stimuli after learning their identity. An associative priming manipulation was used to vary the amount of processing fluency independently of prior target knowledge. For hypothetical designs, in which hindsight judgments are made for peers in foresight, we predicted that judgments would be based on processing fluency and that hindsight bias would be greater in the unrelated- compared to related-prime context (differential-fluency hypothesis). Conversely, for memory designs, in which foresight judgments are remembered in hindsight, we predicted that judgments would be based on memory reconstruction and that there would be independent effects of prime relatedness and prior target knowledge (recollection hypothesis). These predictions were confirmed. Specifically, we found support for the differential-fluency hypothesis when a hypothetical design was used in Experiments 1 and 2 (hypothetical group). Conversely, when a memory design was used in Experiments 2 (memory group), 3A, and 3B, we found support for the recollection hypothesis. Together, the results suggest that qualitatively different mechanisms create hindsight bias in the 2 designs. The results are discussed in terms of fluency misattributions, memory reconstruction, anchoring-and-adjustment, sense making, and a multicomponent model of hindsight bias. (PsycINFO Database Record
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,026 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».