Who’s to blame? Dissimilarity as a cue in moral judgments of observed ostracism episodes.
Notice bibliographique
Résumé
When observing an ostracism episode, observers may wish to know whether ostracism is justified or not. If ostracism appears unjustified, observers will likely blame the sources and sympathize with the target; if it appears justified, observers will likely blame and devalue the target. Here we introduce the "social dissimilarity rule," which holds that observers base their moral judgments on dissimilarities between the members of the observed group. In five studies, participants either recalled observed ostracism episodes or observed group interactions in which one group member was ostracized (e.g., in a chat or a group-working task). Results show that if similar persons exclude a dissimilar target (target is an "odd-one-out"), observers attribute ostracism to malicious motives of the ostracizers, such as ingroup favoritism, and devalue the ostracizers. However, if ostracism cannot be explained by social dissimilarity between the sources and the target, observers assume that the target is being punished for a norm deviation (punitive motive) and devalue the target. Use of the social dissimilarity rule was neither moderated by cognitive load (Study 3) nor by the perceived essentiality of the group distinction (Study 4). But if participants knew that the target previously deviated from a norm, knowledge about the situation had a stronger effect on moral judgments (Study 5) than social dissimilarity. These findings further our understanding of how observers make moral judgments about ostracism, which is important given that an observer's moral judgment can strongly impact bystander behavior and thus target recovery and well-being. (PsycINFO Database Record
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».