MétaCan
Menu
Retour à la cohorte
Enregistrement W2912035304 · doi:10.1177/0956797618822697

Perspective Taking and Self-Persuasion: Why “Putting Yourself in Their Shoes” Reduces Openness to Attitude Change

2019· article· en· W2912035304 sur OpenAlexaff
Rhia Catapano, Zakary L. Tormala, Derek D. Rucker

Notice bibliographique

RevuePsychological Science · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueCultural Differences and Values
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésPersuasionOpenness to experiencePsychologyPerspective (graphical)Social psychologyAttitude change

Résumé

récupéré en direct d'OpenAlex

Counterattitudinal-argument generation is a powerful tool for opening people up to alternative views. On the basis of decades of research, it should be especially effective when people adopt the perspective of individuals who hold alternative views. In the current research, however, we found the opposite: In three preregistered experiments (total N = 2,734), we found that taking the perspective of someone who endorses a counterattitudinal view lowers receptiveness to that view and reduces attitude change following a counterattitudinal-argument-generation task. This ironic effect can be understood through value congruence: Individuals who take the opposition's perspective generate arguments that are incongruent with their own values, which diminishes receptiveness and attitude change. Thus, trying to "put yourself in their shoes" can ultimately undermine self-persuasion. Consistent with a value-congruence account, this backfire effect is attenuated when people take the perspective of someone who holds the counterattitudinal view yet has similar overall values.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,432
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,205
Tête enseignante GPT0,457
Écart entre enseignants0,252 · 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'étudeObservationnel
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

Citations42
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychological ScienceMême sujetCultural Differences and ValuesTravaux en français237 207