Methods for Advancing an Open, Replicable, and Inclusive Science of Social Cognition
Notice bibliographique
Résumé
This chapter offers a toolkit of concrete methods and practices that researchers can use to advance open, replicable, and inclusive science. Part I describes how to calibrate confidence in a significant finding to the strength of evidence provided by that finding (e.g., understanding positive predictive value, assessing statistical power, creating effective preregistrations). Part II describes how to calibrate the scope of a study’s conclusions to the participants and stimuli sampled for that study (e.g., reporting more complete sample characteristics, writing constraints on generality statements, forming effective cross-cultural collaborations). Part III discusses the importance of approaching the science of social cognition from a range of vantage points and offers recommendations for improving diversity and inclusion in the field (e.g., building diverse and inclusive research teams, understanding positionality). Part IV offers strategies for researchers in different career stages to help change the field’s incentive structures to better support all of these practices.
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 | 0,407 | 0,512 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,013 | 0,009 |
| Études des sciences et des technologies | 0,006 | 0,023 |
| Communication savante | 0,014 | 0,020 |
| Science ouverte | 0,007 | 0,019 |
| Intégrité de la recherche | 0,006 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,007 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».