MétaCan
Menu
Retour à la cohorte
Enregistrement W2746904195 · doi:10.1177/0956797617748419

Local Competition Amplifies the Corrosive Effects of Inequality

2018· article· en· W2746904195 sur OpenAlexaff
Daniel Brian Krupp, Thomas R. Cook

Notice bibliographique

RevuePsychological Science · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésInequalityCompetition (biology)Competitor analysisScale (ratio)PsychologyPopulationEconomicsSocial psychologyEconomic geographySociologyDemographyEcologyMathematicsGeography

Résumé

récupéré en direct d'OpenAlex

Inequality is widely believed to incite conflict, but the evidence is inconsistent. We argue that the spatial scale of competition-the extent to which individuals compete locally, with their interaction partners, or globally, with the entire population-can help settle the question. We built a mathematical model of the evolution of conflict under inequality and tested its predictions in an experimental game with 1,205 participants. We found that inequality increases conflict, destroys wealth, and engenders risk taking. Crucially, these effects are amplified by local competition. Thus, inequality is at its most damaging when it arises between close competitors. Indeed, at the extremes, the combined effects of inequality and the scale of competition are very large. More broadly, our findings suggest that disagreements in the literature may be the result of a mismatch between the scale at which inequality is measured and the scale at which conflict occurs.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,631
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,010
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,032
Tête enseignante GPT0,384
Écart entre enseignants0,352 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations38
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychological ScienceMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207