Self-categorization and autism: Exploring the relationship between autistic traits and group homogeneity.
Notice bibliographique
Résumé
The Integrated Self-Categorization model of Autism (ISCA; Bertschy et al., 2019; Skorich & Haslam, 2021) argues that the theory of mind differences seen in autism arises from Enhanced Perceptual Functioning/Weak Central Coherence, via a dysfunctional self-categorization mechanism. The ISCA model also makes the novel prediction that phenomena that arise from self-categorization should also be affected in autistic people. In this article, we report three studies exploring this prediction in the context of one such phenomenon: Group homogeneity. We first measure participants' autistic traits, then ask them to make homogeneity judgments of their ingroup alone or their outgroup alone (in Study 1, and in the Alone conditions of Studies 2a and 2b); or of their ingroup in comparison to their outgroup or their outgroup in comparison to their ingroup (in the Compare conditions of Studies 2a and 2b). As predicted, we find that: the degree of autistic traits negatively predicts ratings of group homogeneity; this relationship is mediated by social identification/self-categorization; and typical comparison-related homogeneity effects are strengthened at higher relative to lower levels of autistic traits. These studies provide convergent evidence for the ISCA model and suggest important avenues for well-being and social skills interventions for autistic people. (PsycInfo Database Record (c) 2022 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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».