MétaCan
Menu
Retour à la cohorte
Enregistrement W2917497111 · doi:10.1038/s41598-019-39600-9

Peer effects on control-averse behavior

2019· article· en· W2917497111 sur OpenAlexfundno aff
Sarah Rudorf, Thomas Baumgärtner, Daria Knoch

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensnon disponible
Organismes subventionnairesSaskatoon City Hospital Foundation
Mots-clésControl (management)Stochastic gameIncentiveSocial psychologyPsychologyOutcome (game theory)PhenomenonMicroeconomicsEconomics

Résumé

récupéré en direct d'OpenAlex

The urge to rebel against external control affects social interactions in many domains of our society with potentially far-reaching consequences. Nevertheless, it has remained unclear to what degree this control-averse behavior might be influenced by the people in our surroundings, our peers. In an experimental paradigm with real restrictions of the subjects' freedom of choice and no systematic incentives to follow the peer, we are able to demonstrate both negative and positive peer effects on control-averse behavior. First, we find that information about a peer's strongly control-averse behavior, although irrelevant for the subjects' outcome, increases the subjects' individual control-averse behavior. Second, we find that information about a peer's more generous and only weakly control-averse behavior increases subjects' generous behavior, even though it is associated with greater costs for the subjects. Critically, each subject's behavior determined the monetary payoff of both the subject and a third person, thereby constituting a social behavior with actual consequences. Interestingly, these peer effects are not moderated by self-assessments of the general resistance to peer influence or the general tendency to rebel against restrictions of one's freedom of choice. Contributing new insights into a complex and highly relevant social phenomenon, our results indicate that information about a single peer's behavior can influence individual control-averse behavior.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,017
Tête enseignante GPT0,312
Écart entre enseignants0,295 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207