MétaCan
Menu
Retour à la cohorte
Enregistrement W3181535681 · doi:10.1177/19485506211025909

Anger and Sadness as Moral Signals

2021· article· en· W3181535681 sur OpenAlexaff
Jason E. Plaks, Jeffrey S. Robinson, Rachel Forbes

Notice bibliographique

RevueSocial Psychological and Personality Science · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiquePsychology of Moral and Emotional Judgment
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSadnessAngerPsychologySacrificeSocial psychologyArgument (complex analysis)Interpersonal communicationPerspective (graphical)

Résumé

récupéré en direct d'OpenAlex

Three studies examined the relationship between emotions and moral judgment from an interpersonal perspective. In Studies 1 and 2, participants justified their decisions in sacrificial dilemmas to an imagined interlocutor. Linguistic analyses revealed that Don’t Sacrifice justifications contained more anger-related language than sadness-related language, whereas Sacrifice justifications contained roughly equal proportions of anger and sadness language. In Study 3, participants made character inferences about an actor who chose to/refused to sacrifice one person to save multiple people. We manipulated the actor’s ratio of anger to sadness. Participants rated the Don’t Sacrifice actor more negatively when they displayed high anger relative to sadness but rated the Sacrifice actor negatively whenever they exhibited high anger (independent of sadness). These data highlight novel ways in which actors and observers use emotions to complement the substance of a moral argument.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,873
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,285
Tête enseignante GPT0,393
Écart entre enseignants0,108 · 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 tête enseignante, pas un consensus.

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

Citations19
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Psychological and Personality ScienceMême sujetPsychology of Moral and Emotional JudgmentTravaux en français237 207