Social Categories Alone Are Insufficient to Elicit an In-Group Advantage in Perceptions of Within-Person Variability
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Within-person variability affects identity perception of other-race faces more than own-race faces; when participants sort images into piles representing different identities, they sort photographs of two other-race identities into more piles than two own-race identities. These results have been interpreted in terms of perceptual expertise, such that lack of experience with other-race faces leads to reduced ability to extract identity-relevant information across images. However, an alternative explanation is that sociocognitive factors (e.g., cognitive disregard for out-group faces) lead to differences in the number of perceived identities. Here, we examined whether social factors alone elicit an in-group advantage in perceptions of within-person variability. Caucasian participants sorted 40 photographs of two unfamiliar Caucasian identities (20 photographs/model) into piles based on the number of identities they believed were present. Half of the participants were told that the images were of students attending their university (in-group), whereas half were told that the images were of students attending a rival university (out-group). Participants sorted the photographs into a comparable number of identities for in- and out-group faces. This lack of an in-group advantage suggests that sociocognitive factors alone cannot account for differences in the number of perceived identities across faces from two categories.
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.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle