The Odds Tell Children What People Favor
Notice bibliographique
Résumé
In pursuing goals, people seek favorable odds. We investigated whether young children use this fact to infer goals from people’s actions across two experiments on Canadian 3-7-year-olds (total N = 316, 167 girls and 149 boys). Participants’ demographic information was not formally collected, but the region is predominantly middle-class and White. In Experiment 1, 3-year-olds saw a story where one agent went to a gumball machine with mostly red gumballs and another agent went to a machine with mostly purple ones. When asked which agent wanted a red gumball, children mostly selected the agent who chose the mostly-red machine. Moreover, children responded at chance in a control condition where they judged which agent knew they would get a red gumball. In Experiment 2a, 3-7-year-olds saw a story where an agent either chose between two gumball machines or two open bowls of gumballs. In both conditions, the agent chose a location with mostly red gumballs over one with mostly blue gumballs, but ended up with a blue gumball. Children were more likely to infer the agent had wanted a red gumball when the agent had made a probabilistic choice (machines) than a determinative choice (bowls), though inferences that the red gumball was preferred also increased with age. In Experiment 2b, a preregistered follow-up, American adults responded similarly to the older children. Together our findings suggest that children infer goals by drawing on the understanding that people seek favorable odds, though the clearest findings come from children aged 6 years and older.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,011 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».