MétaCan
Menu
Retour à la cohorte
Enregistrement W4292624158 · doi:10.3389/fpsyg.2022.982012

An experimental investigation of association between children’s lying and behavior problems

2022· article· en· W4292624158 sur OpenAlexaff
Xue Liu, Siyuan Shang, Sarah Zanette, Yongkang Zhang, Qingzhou Sun, Liyang Sai

Notice bibliographique

RevueFrontiers in Psychology · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensUniversity of Regina
Organismes subventionnairesHangzhou Normal UniversityNational Natural Science Foundation of China
Mots-clésLyingPsychologyAggressionDevelopmental psychologyAssociation (psychology)Juvenile delinquencyCorrelationMedicine

Résumé

récupéré en direct d'OpenAlex

Children’s lying is a major concern for parents and teachers alike, not only because lying is an antisocial behavior but also because children’s lying correlates with other behavior problems, such as aggression and delinquency. Despite considerable correlational evidence demonstrating the relation between children’s lying and behavior problems, experimental evidence is scarce. This study uses a novel task to experimentally examine the relation between lying for personal reward and behavior problem symptoms among 9- to 11-year-old typically developed children ( N = 275, 139 boys). Results revealed a positive correlation between children’s lying for personal reward and their behavior problem symptoms, and this correlation increases with age. Overall, this study provides experimental evidence suggesting children’s lying for personal reward is associated with behavior problems.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,031
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,025
Tête enseignante GPT0,329
Écart entre enseignants0,304 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetDeception detection and forensic psychologyTravaux en français237 207