Notice bibliographique
Résumé
Prevalence-induced concept change describes a cognitivemechanism by which someone’s definition of a concept shiftsas the prevalence of exemplars of that concept changes. Forinstance, in a task where people have to judge whether thecolour of an ambiguously-coloured dot is blue or purple, if thefrequency of objectively blue dots in the environmentdecreases, people expand their concept of blueness and judgemore dots to be blue than they did initially. In a series ofexperiments, Levari et al. (2018) demonstrated that thisphenomenon extends to higher-order decision-making, suchas ethical judgments as well. What these findings suggest isthat conceptual spaces (whether it’s about colours or ethicalstatements) in humans are not fixed, but are sensitive tochange. While Levari et al. (2018) established thisphenomenon in young adults, it is unclear how it affects olderadults: do they outsource control and become moresusceptible to concept change or are they rigid enough in theirbeliefs to be resistant to it? In the current study, we explorehow prevalence-induced concept change affects older adults’lower-level, perceptual, and higher- order, ethical,decision-making. We find that older adults are less sensitiveto prevalence-induced concept change than younger adultsacross both domains. A computational model reveals thatthese differences might in part be explained by older adults’tendency to perseverate (repeat responses). Our resultssuggest that older adults’ concept space may be less flexiblethan younger adults’ when faced with a changing world.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».