Is what is beautiful good and still more accurately understood? A replication and extension of Lorenzo et al. (2010)
Notice bibliographique
Résumé
Is what is beautiful good and more accurately understood? Lorenzo et al. (2010) explored this question and found that more attractive targets (as per consensus) were judged more positively and accurately. Perceivers’ specific (idiosyncratic) ratings of targets’ attractiveness were also related to more positive and accurate impressions, but the latter was only true for highly consensually attractive targets. With a larger sample ( N = 547), employing a round-robin study design, we aimed to replicate and extend these findings by (1) using a more reliable accuracy criterion, (2) using a direct measure of positive personality impressions, and (3) exploring attention as a potential mechanism of these links. We found that targets’ consensual attractiveness was not significantly related to the positivity or the accuracy of impressions. Replicating the original findings, idiosyncratic attractiveness was related to more positive impressions. The association between idiosyncratic attractiveness and accuracy was again dependent on consensual attractiveness, but here, idiosyncratic attractiveness was associated with lower accuracy for less consensually attractive targets. Perceivers’ attention helped explain these associations. These results partially replicate the original findings while also providing new insight: What is beautiful to the beholder is good but is less accurately understood if the target is consensually less attractive.
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 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 | 0,002 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».