Do smart people have better intuitions?
Notice bibliographique
Résumé
There is much evidence that high-capacity reasoners perform better on a variety of reasoning tasks (Stanovich, 1999), a phenomenon that is normally attributed to differences in either the efficacy or the probability of deliberate (Type II) engagement (Evans, 2007). In contrast, we hypothesized that intuitive (Type I) processes may differentiate high- and low-capacity reasoners. To test this hypothesis, reasoners were given a reasoning task modeled on the logic of the Stroop Task, in which they had to ignore one dimension of a problem when instructed to give an answer based on the other dimension (Handley, Newstead, & Trippas, 2011). Specifically, in Experiment 1, 112 reasoners were asked to give judgments consistent with beliefs or validity for 2 different types of deductive reasoning problems. In Experiment 2, 224 reasoners gave judgments consistent with beliefs (i.e., stereotypes) or statistics (i.e., base-rates) on a base rate task; half responded under a strict deadline. For all 3 problem types and regardless of the deadline, high-capacity reasoners performed better for logic/statistics than did belief judgments when the 2 conflicted, whereas the reverse was true for low-capacity reasoners. In other words, for high-capacity reasoners, statistical information interfered with their ability to make belief-based judgments, suggesting that, for them, probabilities may be more intuitive than stereotypes. Thus, at least part of the accuracy-capacity relationship observed in reasoning may be because of intuitive (Type I) processes. (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 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 | 0,003 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,008 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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 ».