MétaCan
Menu
Retour à la cohorte
Enregistrement W4247105647 · doi:10.32920/ryerson.14666367

Would You Lie For Me? : Alibi Corroboration Between Strangers And Non-Strangers

2021· preprint· en· W4247105647 sur OpenAlexaff
Stéphanie B. Marion

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensToronto Metropolitan UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAlibiPsychologySuspectFriendshipSocial psychologySession (web analytics)Test (biology)WitnessFeelingCriminologyComputer sciencePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

To test the assumption that individuals who share a personal relationship are more likely to corroborate one another's false alibi than are strangers, 81 undergraduate students were provided the opportunity to either corroborate or refute a confederate's alibi for a suspected theft. In a 'friendship' condition, feelings of affiliation between the participant and the confederate were experimentally induced by increasing the perceived similarity between the pair, and by having the pair interact during a collaborative task. Later during the experimental session the confederate became a suspect for a mock crime and provided a false alibi that she was with the participant during the entire session. Contrary to what we hypothesized, participants in the 'stranger' condition were as likely to corroborate the false alibi as those who underwent friendship-enhancing activities. When the confederate acted in a highly suspicious manner, however, she was much less likely to have her false alibi corroborated by participant than when the confederate's behaviour was less suspicious. The results put into question our assumptions of what makes a credible witness and emphasizes the need for further empirical research on the behaviour of alibi corroboration.

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)0,006
score de la tête « metaresearch » (Gemma)0,051
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 enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,051
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,057
Tête enseignante GPT0,358
Écart entre enseignants0,302 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDeception detection and forensic psychologyTravaux en français237 207