MétaCan
Menu
Retour à la cohorte
Enregistrement W3105916523 · doi:10.1002/bdm.2214

Resistance to cognitive biases: Longitudinal trajectories and associations with cognitive abilities and academic achievement across development

2020· article· en· W3105916523 sur OpenAlexafffund
Maggie E. Toplak, David B. Flora

Notice bibliographique

RevueJournal of Behavioral Decision Making · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPsychologyCognitionSophisticationDevelopmental psychologyCognitive psychologyCognitive biasCognitive development

Résumé

récupéré en direct d'OpenAlex

Abstract Cognitive failures on several reasoning and judgment tasks can be explained by miserly information processing tendencies. These tasks have been examined in child and youth samples, and we extend this work by examining the developmental trajectory of performance on these cognitive bias tasks and their association with other markers of cognitive sophistication. A longitudinal design was used to examine the development of resistance to cognitive biases in a sample of 204 typically developing children and youth. These youth were 8–14 years of age at first assessment and were assessed at three measurement occasions separated by 3 years. Resistance to cognitive biases as represented by performance on five reasoning and judgment tasks, including ratio bias, belief‐bias syllogisms, attribute framing problems, base‐rate sensitivity, and temporal discounting. The developmental trajectory of resistance to cognitive biases was examined. We also estimated associations between trajectories of resistance to cognitive biases and measures of cognitive abilities, actively open‐minded thinking, and superstitious thinking to examine how individual differences in other measures of cognitive sophistication were associated with the development of resistance to cognitive biases. Cognitive ability measures included intelligence (verbal and nonverbal) and executive function tasks (interference control and set‐shifting). Growth modeling results showed that resistance to cognitive biases increased linearly from 8 to 15 years of age, followed by a flat mean trajectory up to age 20. Cognitive ability, actively open‐minded thinking, and superstitious thinking predicted individual differences in resistance to cognitive biases, but not changes in resistance to cognitive biases. Performance on resistance to cognitive biases tasks was positively correlated with self‐ and parent‐reported academic achievement.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,252
Tête enseignante GPT0,462
Écart entre enseignants0,211 · 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

Citations33
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Behavioral Decision MakingMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207