MétaCan
Menu
Retour à la cohorte
Enregistrement W3152779407 · doi:10.31219/osf.io/ad9v7

Science beliefs, political ideology, and cognitive sophistication

2019· preprint· en· W3152779407 sur OpenAlexaff
Gordon Pennycook, Bence Bagó, Jonathon McPhetres

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésSophisticationIdeologyCognitionPoliticsSocial psychologyMotivated reasoningScientific literacyContext (archaeology)SociologyEpistemologyPsychologyPolitical scienceSocial scienceScience educationLawGeography

Résumé

récupéré en direct d'OpenAlex

It is often assumed that a primary source of contention surrounding science is political and, therefore, that partisan disagreement drives attitudes about various science topics. Other models focus on the roles of basic science knowledge and cognitive sophistication, arguing that these facilitate pro-science beliefs. To test these competing accounts, we identified a range of controversial issues ostensibly subject to potential ideological disagreement and examined the relative roles of political ideology, science knowledge, and cognitive sophistication. Results show there was actually very little partisan disagreement on a wide range of nonetheless contentious scientific issues. We also found only weak evidence for identity-protective cognition; instead, reasoning ability was broadly associated with pro-science beliefs. Two experiments that focused specifically on anthropogenic climate change found that increasing political motivations did not increase polarization among individuals who are higher in cognitive sophistication, indicating that increasing political motivations may not have as straightforward of an impact in this context as often assumed. Finally, one’s level of basic science knowledge was the most consistent predictor of people’s beliefs about science across a wide range of issues. Results suggest that educators and policymakers should focus on increasing basic science literacy and critical thinking rather than the ideologies that purportedly divide people.

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)0,014
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 enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,507
Tête enseignante GPT0,526
Écart entre enseignants0,019 · 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

Citations40
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate Change Communication and PerceptionTravaux en français237 207