MétaCan
Menu
Retour à la cohorte
Enregistrement W2608037399 · doi:10.1177/0146167217702613

Motivated Use of Numerical Anchors for Judgments Relevant to the Self

2017· article· en· W2608037399 sur OpenAlexafffund
Samantha Joel, Stephanie S. Spielmann, Geoff MacDonald

Notice bibliographique

RevuePersonality and Social Psychology Bulletin · 2017
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAnchoringPsychologyPessimismSocial psychologyIncentiveFutures contractCognitive psychologyEpistemologyEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The anchoring effect has been replicated so extensively that it is generally thought to be ubiquitous. However, anchoring has primarily been tested in domains in which people are motivated to reach accurate conclusions rather than biased conclusions. Is the anchoring effect robust even when the anchors are threatening? In three studies, participants made a series of probability judgments about their own futures paired with either optimistic anchors (e.g., "Do you think that the chances that your current relationship will last a lifetime are more or less than 95%?"), pessimistic anchors (e.g., "more or less than 10%?"), or no anchors. A fourth study experimentally manipulated motivation to ignore the anchor with financial incentives. Across studies, anchors that implied high probabilities of unwanted events occurring were ineffective. Together, these studies suggest that anchoring has an important boundary condition: Personally threatening anchors are ignored as a result of motivated reasoning processes.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,371
Score d'incertitude au seuil0,750

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,285
Tête enseignante GPT0,464
Écart entre enseignants0,178 · 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'étudeSans objet
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

Citations9
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePersonality and Social Psychology BulletinMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207