Utilizing the Activation-Decision-Construction-Action Theory to predict children's hypothetical decisions to deceive
Notice bibliographique
Résumé
The Decision component of the Activation-Decision-Construction-Action-Theory (ADCAT) utilizes a cost-benefit formula to explain the cognitive, motivational and social processes involved in deception. Three prior studies suggest that ADCAT can be used to predict adults' future deceptive behavior; however, no study has assessed the potential relevance of ADCAT with children. The present study is the first to date to examine whether this cost-benefit formula can predict children's hypothetical decisions to tell three types of lies, and whether there are specific developmental factors that need to be considered. The results indicate that the cost-benefit formula was only effective for predicting children's hypothetical lies for self-gain at no cost to another (Self-No Cost lies) and lies for others when there was a personal cost (Other-Cost to Self). More specifically, expected value of telling the truth was related to lower willingness to tell hypothetical Self-No Cost and Other-Cost to Self lies. On the other hand, the expected value of lying was not related to children's hypothetical decisions to tell Self-No Cost, Self-Cost to Other or Other-Cost to Self lies. Children's inhibitory control and theory of mind were significant covariates for some of the ADCAT predictor variables and children's hypothetical truth and lying behaviors. Altogether, these findings indicate that the effectiveness of the ADCAT cost-benefit formula for predicting children's lying behavior is affected by developmental factors and the type of lie being analyzed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».