Assessing the validity of the Self versus other interest implicit association test
Notice bibliographique
Résumé
There is great variability in the ways that humans treat one another, ranging from extreme compassion (e.g., philanthropy, organ donation) to self-interested cruelty (e.g., theft, murder). What underlies and explains this variability? Past research has primarily examined human prosociality using explicit self-report scales, which are susceptible to self-presentation biases. However, these concerns can be alleviated with the use of implicit attitude tests that assess automatic associations. Here, we introduce and assess the validity of a new test of implicit prosociality-the Self versus Other Interest Implicit Association Test (SOI-IAT)-administered to two samples in pre-registered studies: regular blood donors (Study 1; N = 153) and a nationally representative sample of Americans (Study 2; N = 467). To assess validity, we investigated whether SOI-IAT scores were correlated with explicit measures of prosociality within each sample and compared SOI-IAT scores of the control sample (representative sample of Americans) with the prosocial sample (blood donors). While SOI-IAT scores were higher in the prosocial blood donor sample, SOI-IAT scores were generally uncorrelated with explicit measures and actual prosocial behaviour. Thus, the SOI-IAT may be able to detect group differences in everyday prosociality, but future testing is needed for a more robust validation of the SOI-IAT. These unexpected findings underscore the importance of sharing null and mixed results to fill gaps in the scientific record and highlight the challenges of conducting research on implicit processes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».