MétaCan
Menu
Retour à la cohorte
Enregistrement W4214683575 · doi:10.1016/j.jecp.2022.105385

Lie-telling for personal gain in children with and without externalizing behavior problems

2022· article· en· W4214683575 sur OpenAlexaff
Victoria Talwar, Jennifer Lavoie

Notice bibliographique

RevueJournal of Experimental Child Psychology · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPsychologyNormativeDevelopmental psychologyLyingTheory of mindSocial psychologyCognitionPsychiatry

Résumé

récupéré en direct d'OpenAlex

Few studies have examined the lie-telling behavior of children who have externalizing problems using experimental procedures. In the current study, children's lie-telling for personal gain (N = 110 boys aged 6-11 years) was examined using an experimental paradigm in relation to their theory-of-mind abilities and inhibitory control as well as their moral evaluations of truths and lies. Children with externalizing behavior problems (n = 53) were significantly more likely to lie and to be less skilled at lying than a typical comparison group (n = 57). Children who had lower theory-of-mind scores were significantly more likely to tell a lie for personal gain compared with those who had higher theory-of-mind scores. Children with externalizing problems who told personal gain lies were also more likely to rate tattle truths more positively than other children. For a subsample of children (n = 55), parent-reported diaries of the frequency of children's lies over 2 weeks revealed a higher frequency of lies by children with externalizing problems compared with the typical comparison group. Children whose parents reported a high frequency of lies for their children were also more likely to lie in the experimental personal gain lie paradigm. Results suggest that children with externalizing behavior may have a different pattern of lie-telling than has been previously reported for normative lie development.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,032
Tête enseignante GPT0,359
Écart entre enseignants0,327 · 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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental Child PsychologyMême sujetDeception detection and forensic psychologyTravaux en français237 207