How do children adapt their fairness norm? Evidence from computational modeling
Notice bibliographique
Résumé
Adequate social functioning during childhood requires context-appropriate social decision-making. To make such decisions, children rely on their social norms, conceptualized as cognitive models of shared expectations. Since social norms are dynamic, children must adapt their models of shared expectations and modify their behavior in line with their social environment. This study aimed to investigate children's abilities to use social information to adapt their fairness norm and to identify the computational mechanism governing this process. Thirty children (7-11 years, M = 7.9 SD = 0.85, 11 girls) played the role of Responder in a modified version of the Ultimatum Game-a two-player game based on the fairness norm-in which they had to choose to accept or reject offers from different Proposers. Norm adaptation was assessed by comparing rejection rates before and after a conditioning block in which children received several low offers. Computational models were compared to test which best explains children's behavior during the game. Mean rejection rate decreased significantly after receiving several low offers suggesting that children have the ability to dynamically update their fairness norm and adapt to changing social environments. Model-based analyses suggest that this process involves the computation of norm-prediction errors. This is the first study on norm adaptation capacities in school-aged children that uses a computational approach. Children use implicit social information to adapt their fairness norm to changing environments and this process appears to be supported by a computational mechanism in which norm-prediction errors are used to update norms.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,020 |
| 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 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».