Category-Based Learning About Deviant Outgroup Members Hinders Performance in Trust Decision Making
Notice bibliographique
Résumé
The present research examines whether individuation and categorization processes influence trust decisions about strangers at first and across repeated interactions. In a partial replication of the study reported by Cañadas et al. (2015), participants played an adaptation of the multi-round trust game paradigm and had to decide whether or not to cooperate with unknown partners. Gender (Study 1a) and ethnicity (Studies 1b, 2, and 3) served to create distinct social categories among the game partners, whose reciprocation rates were manipulated at group and individual levels. At the group level, two social groups (i.e., ingroup vs. outgroup) were associated with opposite reciprocation rates (i.e., high vs. low reciprocation rate). At the individual level, consistency was manipulated by altering the reciprocation rate of one out of four members of each social group. That is, there was one inconsistent individual in each group showing a pattern of reciprocation opposite to the group reciprocation rate. Our data, contrary to Cañadas et al.'s (2015) findings, suggested that ingroup partners were individuated given that participants made their decisions to cooperate with the trustees according to their individual reciprocation rate and independently of the group reciprocation rate. In contrast, decisions about outgroup partners (i.e., men in Study 1a and Blacks in Studies 1b, 2, and 3) were affected by category-based thinking. At the same time, in comparison with ingroup, greater cooperation was observed with ethnic outgroups but not with gender outgroups. The consistency of our results with the previous literature on social categorization and across the three experiments seems to indicate they are reliable, supporting the hypothesis that categorization and individuation processes guide trust decision-making, promoting individuation mainly for ingroup and categorization among outgroup members.
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 | 0,001 | 0,009 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».