MétaCan
Menu
Retour à la cohorte
Enregistrement W2941552938 · doi:10.1371/journal.pone.0200883

"Someone told me": Preemptive reputation protection in communication

2019· article· en· W2941552938 sur OpenAlexaff
Francesca Giardini, Stanka A. Fitneva, Anne Tamm

Notice bibliographique

RevuePLoS ONE · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensQueen's University
Organismes subventionnairesConsiglio Nazionale delle Ricerche
Mots-clésInternet privacyComputer securityBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

Information sharing can be regarded as a form of cooperative behavior protected by the work of a reputation system. Yet, deception in communication is common. The research examined the possibility that speakers use epistemic markers to preempt being seen as uncooperative even though they in fact are. Epistemic markers convey the speakers' certainty and involvement in the acquisition of the information. When speakers present a lie as indirectly acquired or uncertain, they gain if the lie is believed and likely do not suffer if it is discovered. In our study, speakers of English and Italian (where epistemic markers were presented lexically) and of Estonian and Turkish (where they were presented grammatically through evidentials) had to imagine being a speaker in a conversation and choose a response to a question. The response options varied 1) the truth of the part of the response addressing the question at issue and 2) whether the epistemic marker indicated that the speaker had acquired the information directly or indirectly. Across languages, if participants chose to tell a lie, they were likely to present it with an indirect epistemic marker, thus providing evidence for preemptive action accompanying uncooperative behavior. For English and Italian participants, this preemptive action depended respectively on resource availability and relationship with the addressee, suggesting cultural variability in the circumstances that trigger it.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,745
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0040,004

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 Opus0,075
Tête enseignante GPT0,301
Écart entre enseignants0,226 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetDeception detection and forensic psychologyTravaux en français237 207