Facing one’s implicit biases: From awareness to acknowledgment.
Notice bibliographique
Résumé
Expanding on conflicting theoretical conceptualizations of implicit bias, 6 studies tested the effectiveness of different procedures to increase acknowledgment of harboring biases against minorities. Participants who predicted their responses toward pictures of various minority groups on future implicit association tests (IATs) showed increased alignment between implicit and explicit preferences (Studies 1-3), greater levels of explicit bias (Studies 1-3), and increased self-reported acknowledgment of being racially biased (Studies 4-6). In all studies, effects of IAT score prediction were significant even when participants did not actually complete IATs. Effects of predicting IAT scores were moderated by nonprejudicial goals, in that IAT score prediction increased acknowledgment of bias for participants with strong nonprejudicial goals, but not for participants with weak nonprejudicial goals (Study 4). Mere completion of IATs and feedback on IAT performance had inconsistent effects across studies and criterion measures. Instructions to attend to one's spontaneous affective reactions toward minority group members increased acknowledgment of bias to the same extent as IAT score prediction (Study 6). The findings are consistent with conceptualizations suggesting that (a) implicit evaluations are consciously experienced as spontaneous affective reactions and (b) directing people's attention to their spontaneous affective reactions can increase acknowledgment of bias. Implications for theoretical conceptualizations of implicit bias and interventions that aim to reduce discrimination via increased acknowledgment of bias are discussed. (PsycINFO Database Record (c) 2019 APA, all rights reserved).
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».