MétaCan
Menu
Retour à la cohorte
Enregistrement W3096991995 · doi:10.1257/aer.20171175

From Extreme to Mainstream: The Erosion of Social Norms

2020· article· en· W3096991995 sur OpenAlexaff
Leonardo Bursztyn, Georgy Egorov, Stefano Fiorin

Notice bibliographique

RevueAmerican Economic Review · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésPopularityMainstreamVictoryPreferenceEconomicsPositive economicsPublic goodOutcome (game theory)Political economySocial psychologyMicroeconomicsSociologyDemographic economicsPublic economicsPolitical sciencePsychologyPoliticsLaw

Résumé

récupéré en direct d'OpenAlex

Social norms, usually persistent, can change quickly when new public information arrives, such as a surprising election outcome. People may become more inclined to express views or take actions previously perceived as stigmatized and may judge others less negatively for doing so. We examine this possibility using two experiments. We first show via revealed preference experiments that Donald Trump’s rise in popularity and eventual victory increased individuals’ willingness to publicly express xenophobic views. We then show that individuals are sanctioned less negatively if they publicly expressed a xenophobic view in an environment where that view is more popular. (JEL D72, D85, Z13)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,006
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,075
Tête enseignante GPT0,352
Écart entre enseignants0,277 · 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 source (Gemma direct ou Codex distillé), 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

Citations385
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Economic ReviewMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207