MétaCan
Menu
Retour à la cohorte
Enregistrement W4366985880 · doi:10.1093/pnasnexus/pgad143

Women, the intellectually humble, and liberals write more persuasive political arguments

2023· article· en· W4366985880 sur OpenAlexaff
Jeffrey Martin Lees, Haley Todd, Maxwell Barranti

Notice bibliographique

RevuePNAS Nexus · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial and Intergroup Psychology
Établissements canadiensYork University
Organismes subventionnairesCharles Koch FoundationPrinceton University
Mots-clésPersuasionPoliticsSocial psychologyArgument (complex analysis)PsychologyDominance (genetics)DemocracyMotivated reasoningPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

If sincere attempts at political persuasion are central to the functioning of democracy, then what attributes of individuals make them more persuasive toward fellow citizens? To examine this, we asked 594 Democrats and Republicans to write politically persuasive arguments on any topic of their choice and then gave those arguments to a US representative sample of 3,131 to rate the persuasiveness, totaling 54,686 judgments. We consistently found that arguments written by women, liberals, the intellectually humble, and those low on party identification were rated as more persuasive. These patterns were robust to controls for the demographics and partisanship of judges and persuaders, the topics written about, argument length, and the emotional sentiments of the arguments. Women's superior persuasiveness was partially, but not fully, explained by the fact that their arguments were longer, of a higher grade level, and expressed less dominance than men's. Intergroup dynamics also affected persuasiveness, as arguments written for in-party members were more persuasive than the ones written for out-party members. These findings suggest that an individual's personal and psychological characteristics durably provide them with a persuasive advantage when they engage in sincere attempts at changing the hearts and minds of fellow citizens.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,389
Score d'incertitude au seuil0,564

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,364
Écart entre enseignants0,316 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePNAS NexusMême sujetSocial and Intergroup PsychologyTravaux en français237 207