MétaCan
Menu
Retour à la cohorte
Enregistrement W4310490544 · doi:10.1037/dev0001495

Children use common knowledge to solve coordination problems.

2022· article· en· W4310490544 sur OpenAlexfundno aff
Paul Deutchman, Katherine McAuliffe

Notice bibliographique

RevueDevelopmental Psychology · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institute for Advanced ResearchBoston College
Mots-clésCommon knowledge (logic)PsycINFOPsychologyCognitionStochastic gameDevelopmental psychologyMechanism (biology)Cognitive psychologyCoordination gameSocial psychologyMEDLINEComputer scienceMicroeconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

= 133) from the United States were more likely to attempt to coordinate when they had common knowledge about a joint payoff. Participants saw 3 vignettes that modeled the structure of a 2-player coordination problem and were provided with common knowledge, secondary knowledge, or private knowledge about the mutually beneficial, but risky, joint payoff. By 6 years of age, participants were more likely to attempt to coordinate when they had common knowledge than secondary knowledge, and secondary knowledge than private knowledge. Participants were also most likely to expect the other player to coordinate, and were most certain in their predictions, when there was common knowledge. Results indicate that, by middle childhood, children are able to solve coordination problems by relying on common knowledge, in part because it likely increases their certainty in others' cooperative behavior. Overall, findings suggest that common knowledge is an important cognitive mechanism for coordinating behavior and that it does so by reducing uncertainty about others' cooperative behavior. (PsycInfo Database Record (c) 2023 APA, all rights reserved).

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,178
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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,042
Tête enseignante GPT0,336
Écart entre enseignants0,294 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopmental PsychologyMême sujetChild and Animal Learning DevelopmentTravaux en français237 207