Inflexible social inference in individuals with subclinical persecutory delusional tendencies
Notice bibliographique
Résumé
It has been suspected that abnormalities in social inference (e.g., learning others' intentions) play a key role in the formation of persecutory delusions (PD). In this study, we examined the association between subclinical PD and social inference, testing the prediction that proneness to PD is related to altered social inference and beliefs about others' intentions. We included 151 participants scoring on opposite ends of Freeman's Paranoia Checklist (PCL). The participants performed a probabilistic advice-taking task with a dynamically changing social context (volatility) under one of two experimental frames. These frames differentially emphasised possible reasons behind unhelpful advice: (i) the adviser's possible intentions (dispositional frame) or (ii) the rules of the game (situational frame). Our design was thus 2 × 2 factorial (high vs. low delusional tendencies, dispositional vs. situational frame). We found significant group-by-frame interactions, indicating that in the situational frame high PCL scorers took advice less into account than low scorers. Additionally, high PCL scorers believed more frequently that incorrect advice was delivered intentionally and that such misleading behaviour was directed towards them personally. Overall, our results suggest that social inference in individuals with subclinical PD tendencies is shaped by negative prior beliefs about the intentions of others and is thus less sensitive to the attributional framing of adviser-related information. These findings may help future attempts of identifying individuals at risk for developing psychosis and understanding persecutory delusions in psychosis.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».