MétaCan
Menu
Retour à la cohorte
Enregistrement W2989553804 · doi:10.1177/0956797619876982

The Sign Effect in Past and Future Discounting

2019· article· en· W2989553804 sur OpenAlexafffund
Sarah Molouki, David J. Hardisty, Eugene M. Caruso

Notice bibliographique

RevuePsychological Science · 2019
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaBooth School of Business, University of ChicagoJohn Templeton Foundation
Mots-clésPsychologyTemporal discountingSign (mathematics)DiscountingContemplationDelay discountingPhenomenonSocial psychologyCognitive psychologyEvent (particle physics)Developmental psychologyEpistemologyEconomics

Résumé

récupéré en direct d'OpenAlex

We compared the extent to which people discounted positive and negative events in the future and in the past. We found that the tendency to discount gains more than losses (i.e., the sign effect) emerged more strongly for future than for past outcomes. We present evidence from six studies (total N = 1,077) that the effect of tense on discounting is tied to differences in the contemplation emotion of these events, which we assessed by measuring participants’ emotions while they either anticipated or remembered the event. We ruled out loss aversion, uncertainty, utility curvature, thought frequency, and connection to the future and past self as explanations for this phenomenon, and we discuss why people experience a distinct mixture of emotions when contemplating upcoming events.

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)0,010
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,820
Score d'incertitude au seuil0,894

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,061
Tête enseignante GPT0,444
Écart entre enseignants0,382 · 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 tête enseignante, 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

Citations33
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePsychological ScienceMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207