MétaCan
Menu
Retour à la cohorte
Enregistrement W2978226425 · doi:10.1111/tops.12486

A Resource‐Rational, Process‐Level Account of the St. Petersburg Paradox

2020· article· en· W2978226425 sur OpenAlexafffund
Ardavan Salehi Nobandegani, Thomas R. Shultz

Notice bibliographique

RevueTopics in Cognitive Science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEconomic and Technological Developments in Russia
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésProcess (computing)St petersburgResource (disambiguation)Computer scienceSociologyRegional scienceProgramming language

Résumé

récupéré en direct d'OpenAlex

The St. Petersburg paradox is a centuries-old philosophical puzzle concerning a lottery with infinite expected payoff for which people are only willing to pay a small amount to play. Despite many attempts and several proposals, no generally accepted resolution is yet at hand. In this work, we present the first resource-rational, process-level explanation of this paradox, demonstrating that it can be accounted for by a variant of normative expected utility valuation which acknowledges cognitive limitations. Specifically, we show that Nobandegani et al.'s (2018) metacognitively rational model, sample-based expected utility (SbEU), can account for major experimental findings on this paradox. Crucially, our resolution is consistent with two empirically well-supported assumptions: (a) People use only a few samples in probabilistic judgments and decision-making, and (b) people tend to overestimate the probability of extreme events in their judgment. Our work seeks to understand the St. Petersburg gamble as a particularly risky gamble whose process-level explanation is consistent with a broader process-level model of human decision-making under risk.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,116
Tête enseignante GPT0,354
Écart entre enseignants0,238 · 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'étudeThéorique ou conceptuel
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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTopics in Cognitive ScienceMême sujetEconomic and Technological Developments in RussiaTravaux en français237 207