MétaCan
Menu
Retour à la cohorte
Enregistrement W3129051990 · doi:10.31219/osf.io/wgtz9

Knowledge Attributions and Lottery Cases: A Review and New Evidence

2020· review· en· W3129051990 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésLotteryTicketAttributionDenialPsychologySocial psychologyComputer scienceEconomicsComputer securityMicroeconomics

Résumé

récupéré en direct d'OpenAlex

I review recent empirical findings on knowledge attributions in lottery cases and report a new experiment that advances our understanding of the topic. The main novel finding is that people deny knowledge in lottery cases because of an underlying qualitative difference in how they process probabilistic information. “Outside” information is generic and pertains to a base rate within a population. “Inside” information is specific and pertains to a particular item’s propensity. When an agent receives information that 99% of all lottery tickets lose (outside information), people judge that she does not know that her ticket will lose. By contrast, when an agent receives information that her specific ticket is 99% likely to lose (inside information), people judge that she knows that her ticket will lose. Despite this difference in knowledge judgments, people rate the likelihood of her ticket losing the exact same in both cases (i.e. 99%). The results shed light on other factors affecting knowledge judgments in lottery cases, including formulaic expression and participants’ own estimation of whether it is true that the ticket will lose. The results also undermine previous hypotheses offered for knowledge denial in lottery cases, including the hypotheses that people deny knowledge because they either deny justification or acknowledge a chance for error.

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.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil0,899

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,440
Tête enseignante GPT0,507
Écart entre enseignants0,067 · 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

En bref

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetExperimental Behavioral Economics StudiesTravaux en français237 207