MétaCan
Menu
Retour à la cohorte
Enregistrement W2904053442 · doi:10.31820/ejap.14.1.2

False-Positives in Psychopathy Assessment

2018· article· en· W2904053442 sur OpenAlexafffund
Rasmus Rosenberg Larsen

Notice bibliographique

RevueEuropean journal of analytic philosophy · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiquePsychology of Moral and Emotional Judgment
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto MississaugaUniversity of Toronto
Mots-clésPsychopathyFalse positive paradoxPsychologySampling (signal processing)Quality (philosophy)Yield (engineering)Social psychologyComputer sciencePersonalityEpistemologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Recent debates in psychopathy studies have articulated concerns about false-positives in assessment and research sampling. These are pressing concerns for research progress, since scientific quality depends on sample quality, that is, if we wish to study psychopathy we must be certain that the individuals we study are, in fact, psychopaths. Thus, if conventional assessment tools yield substantial false-positives, this would explain why central research is laden with discrepancies and nonreplicable findings. This paper draws on moral psychology in order to develop tentative theory-driven exclusion criteria applicable in research sampling. Implementing standardized procedures to discriminate between research participants has the potential to yield more homogenous and discrete samples, a vital prerequisite for research progress in etiology, epidemiology, and treatment strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,708
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,103
Tête enseignante GPT0,321
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean journal of analytic philosophyMême sujetPsychology of Moral and Emotional JudgmentTravaux en français237 207