MétaCan
Menu
Retour à la cohorte
Enregistrement W3133198490 · doi:10.1037/pspa0000266

Do I support that it’s good or oppose that it’s bad? The effect of support-oppose framing on attitude sharing.

2021· article· en· W3133198490 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

RevueJournal of Personality and Social Psychology · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSociopolitical Dynamics in Russia
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsychologySocial psychologyFraming (construction)

Résumé

récupéré en direct d'OpenAlex

The rise of social media has led to unprecedented opportunities for individuals to share, or express, their attitudes on social and political issues. What factors affect whether individuals choose to share? This research identifies a novel determinant of attitude sharing-support-oppose framing, defined as whether individuals think of their own attitude in terms of what they support or what they oppose. Support-oppose framing is distinct from attitude valence, as the same attitude can be framed in terms of support (e.g., I support that this policy is bad) or opposition (e.g., I oppose that this policy is good). Seven experiments, two correlational studies, and one field study provide evidence for a support-oppose framing effect, whereby individuals are more likely to share attitudes framed in terms of positions they support rather than positions they oppose. This effect occurs via two pathways. In the first, support-framed attitudes are viewed as more value expressive, which facilitates greater attitude sharing. In the second, support-framed attitudes are believed to promote more positive impressions, which also leads to greater sharing. This effect is attenuated when individuals' typical impression-management goals are relaxed. (PsycInfo Database Record (c) 2021 APA, all rights reserved).

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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,287
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,113
Tête enseignante GPT0,441
Écart entre enseignants0,328 · 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