Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Evil in Mind: The Psychology of Harming Others offers readers an accessible, social-scientific understanding of the concept of evil and its various incarnations. Rather than simply using “evil” as an undefined synonym for human nastiness, Part 1 of the book first establishes when and why people apply the “evil” label to perpetrators and their misdeeds. It also addresses why most people do not want to see themselves—or be seen by others—as evil: Being labeled “evil” is the ultimate signifier of social rejection. Indeed, although dogged pursuit of good feelings and the effortful avoidance of bad feelings often causes suffering for others, people make use of an astounding array of cognitive reframing and self-presentation strategies to dodge the “evil” label. Part 2 illustrates how these core principles can aid comprehension of phenomena such as hate, sadism, serial killers, and group-based evil such as genocide, corporate wrongdoing, and familial abuse. Throughout, Evil in Mind attempts to nudge the reader toward a mindset that is self-reflective rather than ghoulish or self-congratulatory: Whether one’s actions result in harm that is horrifically irreparable or comparatively minor, the motives driving such actions and the menu of goals and strategies for deflecting condemnation are not really all that different. Thus, Evil in Mind presents the reader with a systematic, research-based psychological analysis of the phenomenon of evil that is compact, digestible, and potentially transformative.
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.
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) | 0,463 | 0,001 |
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 découle