Perceiver and target characteristics contribute to impression formation differently across race and gender.
Notice bibliographique
Résumé
Social impressions arise from characteristics of both perceivers and targets. However, empirical research in the domain of impression formation has yet to quantify the extent to which perceiver and target characteristics uniquely contribute to impressions across group boundaries (e.g., race, gender). To what extent does an impression arise from "our mind" versus "a target's face", and does this process differ for impressions across race and gender? We explored this question by estimating intraclass correlation coefficients (ICCs) from cross-classified multilevel models of 188,472 face ratings from 2,230 participants (Study 1) and 219,658 ratings from 2,984 participants (Study 2). We partitioned the total variance in ratings on a trait dimension (trustworthiness, dominance, youthful/attractiveness) into variance explained by perceivers versus targets, and compared these ICCs among different groups (e.g., ratings of own- vs. other-group targets). Overarching results reveal (a) target appearance matters more for women than men, (b) target appearance matters more for impressions on youthful/attractiveness than trustworthiness or dominance dimensions, (c) differences in perceiver/target influences across race did not consistently replicate, and (d) these differences are absent in minimal groups, supporting the role of racial and gender stereotypes in driving these effects. Overall, perceiver characteristics contribute more to impressions than target appearance. Our findings disentangle the contributions of perceiver and targets to impressions and illustrate that the process of impression formation is not equal across various group boundaries. (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 ».