MétaCan
Menu
Retour à la cohorte
Enregistrement W3036484546 · doi:10.1002/acp.3709

Truthiness and law: <scp>Nonprobative</scp> photos bias perceived credibility in forensic contexts

2020· article· en· W3036484546 sur OpenAlexafffund
Daniel G. Derksen, Megan E. Giroux, Deborah A. Connolly, Eryn J. Newman, Daniel M. Bernstein

Notice bibliographique

RevueApplied Cognitive Psychology · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensKwantlen Polytechnic UniversitySimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaCanada Research Chairs
Mots-clésCredibilityWitnessPsychologyContext (archaeology)Social psychologyValue (mathematics)PerceptionLawComputer scienceHistoryPolitical science

Résumé

récupéré en direct d'OpenAlex

Summary Nonprobative but related photos can increase the perceived truth value of statements relative to when no photo is presented ( truthiness ). In two experiments, we tested whether truthiness generalizes to credibility judgments in a forensic context. Participants read short vignettes in which a witness viewed an offence. The vignettes were presented with or without a nonprobative, but related photo. In both experiments, participants gave higher witness credibility ratings to photo‐present vignettes compared to photo‐absent vignettes. In Experiment 2, half the vignettes included additional nonprobative information in the form of text. We replicated the photo presence effect in Experiment 2, but the nonprobative text did not significantly alter witness credibility. The results suggest that nonprobative photos can increase the perceived credibility of witnesses in legal contexts.

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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,686
Score d'incertitude au seuil0,710

Scores Codex et Gemma par catégorie

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

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 Opus0,082
Tête enseignante GPT0,360
Écart entre enseignants0,278 · 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'étudeQualitatif
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

Citations9
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Cognitive PsychologyMême sujetMisinformation and Its ImpactsTravaux en français237 207