MétaCan
Menu
Retour à la cohorte
Enregistrement W3016999785 · doi:10.1177/0956797620909742

Can Bad Be Good? The Attraction of a Darker Self

2020· article· en· W3016999785 sur OpenAlexaff
Rebecca J. Krause, Derek D. Rucker

Notice bibliographique

RevuePsychological Science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial and Intergroup Psychology
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésPsychologyAttractionSocial psychologyContrarianSimilarity (geometry)Relevance (law)Perspective (graphical)Context (archaeology)Set (abstract data type)Preference

Résumé

récupéré en direct d'OpenAlex

To avoid threats to the self, people shun comparisons with similar—yet immoral, mentally unstable, or otherwise negatively viewed—others. Despite this prevalent perspective, we consider a contrarian question: Can people be attracted to darker versions of themselves? We propose that with self-threat assuaged, similarity signals self-relevance, which draws people toward those who are similar to them despite negative characteristics. To test this general idea, we explored a prevalent context that may offer a safe haven from self-threat: stories. Using a large-scale proprietary data set from a company with over 232,000 registered users, we demonstrated that people have a preference for villains—unambiguously negative individuals—who are similar to themselves, which suggests that people are attracted to such comparisons in everyday life. Five subsequent lab experiments ( N = 1,685) demonstrated when and why similarity results in attraction toward—rather than repulsion from—negative others.

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)0,001
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 enseignants0,523
Score d'incertitude au seuil0,882

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,098
Tête enseignante GPT0,420
Écart entre enseignants0,322 · 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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychological ScienceMême sujetSocial and Intergroup PsychologyTravaux en français237 207