MétaCan
Menu
Retour à la cohorte
Enregistrement W4307895006 · doi:10.1037/xge0001313.supp

Supplemental Material for Egocentric Anchoring-and-Adjustment Underlies Social Inferences About Known Others Varying in Similarity and Familiarity

2022· article· en· W4307895006 sur OpenAlexaff
Ying Wang, Austin J. Simpson, Andrew R. Todd

Notice bibliographique

RevueJournal of Experimental Psychology General · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAnchoringPsychologySimilarity (geometry)Cognitive psychologySocial psychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Stimuli 50 Items on Preferences and Habits (Original Set Administered in Experiments 1 and 6)1. Spend an afternoon looking through childhood mementos 2. Go to the movies 3. Spend an hour in a coffee shop with friends 4. Spend half an hour texting with a friend 5. Do a crossword puzzle 6. Go out to a night club 7. Eat a piece of chocolate cake 8. Sing karaoke with some friends 9. Run on a treadmill at the gym for 30 minutes 10.Spend an hour reading a best-selling novel 11.Likes to have ice cubes in a glass of water 12. Spend an afternoon playing video games 13.Play a game of pool at a local bar 14.Throw a birthday party for a friend 15.Take a yoga class 16.Talk on the phone with a family member 17.Visit the dentist for a check-up 18.Like water more than juice 19.Spend half an hour browsing a friend's photos on social media 20.Make a late-night pizza run 21.Go over to a friend's to play a new video game 22. Re-arrange the furniture in your home 23.Go bowling with friends 24.Sample some cookies that a friend baked 25.Spend an hour organizing your closet 26.Spend the whole day in pajamas 27.Create a playlist with some of your favorite songs 28.Chew gum 29.Drink coffee 30.Watch a reality TV show 31.Like peanut-butter and banana sandwiches 32.Like to attend music concerts 33.Play charades with some friends at home 34.Like taking the train 35.Do laundry regularly 36.Generally have a positive outlook on life 37. Play a board game with some friends 38.Read a comic book 39.Recognize a movie star walking around town 40.Like Coke more than Pepsi 41.Watch a romantic comedy 42.Change the background image on your cellphone 43.Get your hair cut regularly 44.Help a neighbor move to a new place on the other side of town

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)0,001
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut 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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,622
Score d'incertitude au seuil0,540

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,6220,081

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 Opus0,107
Tête enseignante GPT0,462
Écart entre enseignants0,355 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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 présentnon

Explorer davantage

Même revueJournal of Experimental Psychology GeneralMême sujetMental Health Research TopicsTravaux en français237 207