MétaCan
Menu
Retour à la cohorte
Enregistrement W3161842341 · doi:10.31234/osf.io/nh9ax

The Moralization of Effort

2020· preprint· en· W3161842341 sur OpenAlexafffund
Jared Celniker, Andrew Gregory, Hyunjin J. Koo, Paul K. Piff, Peter H. Ditto, Azim Shariff

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNational Science Foundation
Mots-clésValue (mathematics)IrrationalityMoralityProduct (mathematics)Social psychologyDonationPositive economicsSociologyPsychologyEconomicsPolitical scienceRationalityLawComputer science

Résumé

récupéré en direct d'OpenAlex

People believe that effort is valuable, but what kind of value does it confer? We find thatdisplays of effort signal moral character. Eight studies (N = 5,502) demonstrate the nature of these effects in the domains of paid employment, personal fitness, and charitable fundraising. The exertion of effort is deemed morally admirable (Studies 1-6) and is monetarily rewarded (Studies 2-6), even in situations where effort does not directly generate additional product, quality, or economic value. Convergent patterns of results emerged in South Korean and French cross-cultural replications (Studies 2b-c). We contend that the seeming irrationality of valuing effort for its own sake, such as in situations where one’s efforts do not directly increase economic output (Studies 3-6), reveals a “deeply rational” social heuristic for evaluating potential cooperation partners. Specifically, effort cues engender broad moral trait ascriptions, and this moralization of effort influences donation behaviors (Study 5) and cooperative partner choice decision-making (Studies 4 and 6). In situating our account of effort moralization into past research and theorizing, we also consider the implications of these effects for social welfare policy and the future of work.

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)0,008
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,007
Communication savante0,0040,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
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 Opus0,058
Tête enseignante GPT0,353
Écart entre enseignants0,295 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetNonprofit Sector and VolunteeringTravaux en français237 207