MétaCan
Menu
Retour à la cohorte
Enregistrement W4306742195 · doi:10.54691/bcpssh.v20i.2149

Playing Hard-to-Get: Comparative Advantage in Dating?

2022· article· en· W4306742195 sur OpenAlexaff
Xiaoge Meng

Notice bibliographique

RevueBCP Social Sciences & Humanities · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueEvolutionary Psychology and Human Behavior
Établissements canadiensAurora College
Organismes subventionnairesnon disponible
Mots-clésPopularityPlan (archaeology)PsychologyField (mathematics)Social psychologyComputer scienceHistoryMathematics

Résumé

récupéré en direct d'OpenAlex

People often want success in everything, including dating. Hence, the strategy for dating was suggested--the method of playing hard-to-get. It spread rapidly with countless tutorials and posts on how to execute the plan. Despite its popularity, this paper examines the strategy's validity through experiments and refers to previous studies in the field. One hundred single heterosexual participants, each date with three opposite-sex confederates, are then asked to record their experience. The three confederates are asked to perform various levels of playing hard-to-get by the duration of the playing hard-to-get tactic during the date with the participant. Therefore, the participant would respond to each level differently, providing the comparison between the levels of playing hard-to-get and their effectiveness. The expected result of the experiment is that the moderate hard-to-get confederate gains an advantage over the other confederates. Therefore, by using tactics of playing hard-to-get moderately, people would obtain a comparative advantage in the dating world.

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 candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,603
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,207
Tête enseignante GPT0,430
Écart entre enseignants0,223 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBCP Social Sciences & HumanitiesMême sujetEvolutionary Psychology and Human BehaviorTravaux en français237 207