MétaCan
Menu
Retour à la cohorte
Enregistrement W3042511329 · doi:10.1177/1948550619900570

Foregone Opportunities and Choosing Not to Act: Replications of Inaction Inertia Effect

2020· article· en· W3042511329 sur OpenAlexaff
Jieying Chen, Long Sang Hui, Teresa Yu, Gilad Feldman, Shiyuan Zeng, Tze Lam Ching, Chi Ho Ng, Kwok Wai Wu, Chung Man Yuen, Tsz Ki Lau, Bo Ley Cheng, Ka Wai Ng

Notice bibliographique

RevueSocial Psychological and Personality Science · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésInertiaContext (archaeology)Value (mathematics)PsychologyPhenomenonSocial psychologyStatisticsMathematicsEpistemologyPhysics

Résumé

récupéré en direct d'OpenAlex

Inaction inertia is the phenomenon that forgoing an initial attractive opportunity decreases the likelihood of taking a subsequent opportunity that is less attractive, even when the subsequent opportunity still offers positive value. We conducted three preregistered replications of Tykocinski et al.’s Experiments 1 and 2’s four scenarios in four samples ( N = 1,555). We found consistent findings across samples, with the inaction inertia effect dependent on the scenario used. Strongest support was for the car scenario ( d = −0.57 to −0.68) and the ski scenario ( d = −0.18 to −0.67), with mixed findings for the fitness scenario (large-small: d = −0.62; control contrasts: opposite to predictions) and weak to no effects for the flyer scenario ( d = −0.14 to 0.02). We conclude that context is important in studying inaction inertia, recommend the car and ski scenarios for follow-up research on inaction inertia, and discuss implications for future research.

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)0,000
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 enseignants0,891
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,342
Tête enseignante GPT0,502
Écart entre enseignants0,160 · 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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Psychological and Personality ScienceMême sujetBehavioral Health and InterventionsTravaux en français237 207