MétaCan
Menu
Retour à la cohorte
Enregistrement W2951077818

"Money, less problems": Wealth level affects the selection of optimal endpoint in an aiming task with positive and negative outcomes

2012· article· en· W2951077818 sur OpenAlexaffabout
Heather F. Neyedli, Timothy N. Welsh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensUniversity of TorontoDalhousie University
Organismes subventionnairesnon disponible
Mots-clésLotteryTask (project management)Point (geometry)PsychologyEconomicsActuarial scienceMicroeconomicsMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

When aiming to a target circle that yields a small gain, people can aim to an optimal endpoint that is modeled based on the participants' endpoint variability and the cost associated with a penalty circle that partly overlaps the target. More recent research, however, has shown that people aim closer to the penalty area than optimal when a large loss is associated with the penalty area. Because participants started the task with no points, this strategy may be an attempt to increase target hits to increase wealth. Of note, research using cognitive decision making tasks shows that participants will avoid losses when they have a positive wealth level. The purpose of the present study is to determine whether people will have risk seeking or risk adverse strategies when they have different initial wealth levels. If participants are sensitive to their wealth level, they will aim further away from target center if they start with positive wealth than if they start with no wealth. Participants first played a lottery where they received either 0 or 5000pts. The participants then performed 200 trials where they received 100pts for target contact and -600pts for penalty contact. All participants started too close to the penalty area and then shifted their endpoints outward with experience. The participants who began with 5000pts achieved an optimal endpoint by the end of data collection where those who began with 0pts did not. Thus, aiming strategy can be affected by wealth.Acknowledgments: This research was supported through grants from the Natural Sciences and Engineering Research Council of Canada and the Ontario Ministry of Research and Innovation.

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)0,013
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 enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,158
Tête enseignante GPT0,391
Écart entre enseignants0,233 · 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

Citations0
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDecision-Making and Behavioral EconomicsTravaux en français237 207