MétaCan
Menu
Retour à la cohorte
Enregistrement W4236027595 · doi:10.32920/14668641

Risk and emotion: measuring the effect of emotions and other visceral factors on decision making under risk

2021· preprint· en· W4236027595 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueLeadership, Behavior, and Decision-Making Studies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésSadnessAngerHappinessPsychologyPreferenceRationalityAnxietyCognitive psychologyAffect (linguistics)Social psychologyCognitionRisk aversion (psychology)Developmental psychologyExpected utility hypothesisEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

<p>The science of modelling choice preferences has evolved into an interdisciplinary field contributing to several branches of microeconomics and mathematical psychology. As theories in decision science and related fields mature, descriptive theories have emerged to explain systematic violations of rationality through cognitive mechanisms underlying the thought processes that guide human behaviour. Cognitive limitations are not, however, solely responsible for systematic deviations from rationality and there is a growing body of literature exploring the effect of visceral factors as the more dominant drivers. This study builds on the existing literature by investigating the impact of anger, sadness, happiness, anxiety, hunger, energy, tiredness and stress on three distinct elements that define risk preference: utility, decision weights and loss aversion. By decomposing the impact of visceral factors on risk preference, I am able to provide evidence supporting the proposition that a portion of the variability in individual choice preferences can be explained by interacting visceral states. My findings suggest that visceral factors have the strongest effect on loss aversion, which is a major factor in how people code and evaluate financial outcomes. Anger, sadness, happiness, anxiety, energy and tiredness each affect five or more of the model parameters, while hunger and stress are significant only in their interaction with other visceral factors. I also provide evidence to show that the generalized approaches to characterizing visceral factors and risk preference are too broad to be descriptively meaningful. The results of this study show that emotions and other drive states effect the way people process and interpret information, which is crucial in informing decision-makers of the sources and consequences of irrational behaviour. These findings will be of immediate interest to wealth management specialists, public relations advisers as well as to engineers in designing socially intelligent machines capable of interacting more effectively with humans.</p>

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 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)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante
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 enseignants0,217
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,127
Tête enseignante GPT0,391
Écart entre enseignants0,264 · 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