Subtle primes of in-group and out-group affiliation change votes in a large scale field experiment
Notice bibliographique
Résumé
Identifying the influence of social identity over how individuals evaluate and interact with others is difficult in observational settings, prompting scholars to utilize laboratory and field experiments. These often take place in highly artificial settings or, if in the field, ask subjects to make evaluations based on little information. Here we conducted a large-scale (N = 405,179) field experiment in a real-world high-information context to test the influence of social identity. We collaborated with a popular football live score app during its poll to determine the world's best football player for the 2017-2018 season. We randomly informed users of the nationality or team affiliation of players, as opposed to just providing their names, to prime in-group status. As a result of this subtle prime, we find strong evidence of in-group favoritism based on national identity. Priming the national identity of a player increased in-group voting by 3.6% compared to receiving no information about nationality. The effect of the national identity prime is greatest among individuals reporting having a strong national identity. In contrast, we do not find evidence of in-group favoritism based on team identity. Informing individuals of players' team affiliations had no significant effect compared to not receiving any information and the effect did not vary by strength of team identity. We also find evidence of out-group derogation. Priming that a player who used to play for a user's favorite team but now plays for a rival team reduces voting for that player by between 6.1 and 6.4%.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».