An inconclusive study comparing the effect of concrete and abstract descriptions of belief-inconsistent information
Notice bibliographique
Résumé
Linguistic bias is the differential use of linguistic abstraction (as defined by the Linguistic Category Model) to describe the same behaviour for members of different groups. Essentially, it is the tendency to use concrete language for belief-inconsistent behaviours and abstract language for belief-consistent behaviours. Having found that linguistic bias is produced without intention or awareness in many contexts, researchers argue that linguistic bias reflects, reinforces, and transmits pre-existing beliefs, thus playing a role in belief maintenance. Based on the Linguistic Category Model, this assumes that concrete descriptions reduce the impact of belief-inconsistent behaviours while abstract descriptions maximize the impact of belief-consistent behaviours. However, a key study by Geschke, Sassenberg, Ruhrmann, and Sommer [2007] found that concrete descriptions of belief-inconsistent behaviours actually had a greater impact than abstract descriptions, a finding that does not fit easily within the linguistic bias paradigm. Abstract descriptions (e.g. the elderly woman is athletic) are, by definition, more open to interpretation than concrete descriptions (e.g. the elderly woman works out regularly). It is thus possible that abstract descriptions are (1) perceived as having less evidentiary strength than concrete descriptions, and (2) understood in context (i.e. athletic for an elderly woman). In this study, the design of Geschke et al. [2007] was modified to address this possibility. We expected that the differences in the impact of concrete and abstract descriptions would be reduced or reversed, but instead we found that differences were largely absent. This study did not support the findings of Geschke et al. [2007] or the linguistic bias paradigm. We encourage further attempts to understand the strong effect of concrete descriptions for belief-inconsistent behaviour.
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 | 0,026 | 0,223 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,002 |
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 ».