MétaCan
Menu
Retour à la cohorte
Enregistrement W4251755557 · doi:10.31234/osf.io/h7p58

The many faces of self-control: Tacit assumptions and recommendations to deal with them.

2018· preprint· en· W4251755557 sur OpenAlexaff
Marina Milyavskaya, Elliot T. Berkman, Denise T. D. de Ridder

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésMultitudeControl (management)ConfusionEpistemologySet (abstract data type)Term (time)Tacit knowledgeField (mathematics)Engineering ethicsManagement sciencePsychologySociologyComputer scienceEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The term self-control is broadly used by both researchers and lay people. However, both the term itself and the research on self-control is full of assumptions that are often unexamined and unchallenged. In this paper, we question many assertions and assumptions about self-control that foster confusion and controversy, including the multitude of processes encompassed by the varied uses of the term “self-control.” We describe how these assumptions have caused gaps in the empirical literature, impeded the development of an interdisciplinary knowledge base about self-control, and ultimately slowed scientific progress in this area. Critically, we also present a set of recommendations for conducting research on self-control that would be relevant across theories, areas of inquiry, and disciplines. By bringing these assumptions to light, future research can better focus on issues that are important and foundational but have been relatively neglected by the literature because of their implicit nature. This paper thus raises new avenues for research by highlighting what the field generally assumes but does not test directly.

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)0,097
score de la tête « metaresearch » (Gemma)0,133
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,512

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0970,133
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0090,106
Communication savante0,0190,051
Science ouverte0,0110,012
Intégrité de la recherche0,0200,042
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,074
Tête enseignante GPT0,402
Écart entre enseignants0,328 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBehavioral Health and InterventionsTravaux en français237 207