The fragility of implicit evaluation updating: The role of cognitive and ecological constraints
Notice bibliographique
Résumé
Although negative implicit (automatic) evaluations of even well-known social targets can show remarkable temporary shifts toward positivity, such shifts rarely persist over time. Here we report 9 experiments (8 preregistered; n = 2,717) that used novel social targets to investigate two potential explanations for the intransigence of implicit evaluations: cognitive constraints reflecting a fundamental inability of implicit evaluations to adaptively and enduringly incorporate new information vs. ecological constraints reflecting moderately negative but ubiquitous cues present in one’s environment. In Exp. 1–2, we identified two procedures that used diagnostic behavioral information to successfully overturn experimentally created negative implicit (AMP) evaluations of a novel target. In Exp. 3, negative-to-positive changes induced by these procedures persisted without any decrement over a 2-day delay, thus militating against the possibility of cognitive constraints on durable implicit evaluation updating. However, in line with the ecological constraint hypothesis, when participants were exposed to moderately negative information with limited diagnosticity on day 3, implicit evaluations became markedly negative (Exp. 4, 5A, and 5C). Such return of early negativity generalized across initial learning modalities and types of subsequent ecological cues (Exp. 6) but not to explicit evaluations (Exp. 4–6). Together, the present data suggest that although implicit evaluations are cognitively capable of changing in the long term, even moderately negative information present in the environment can easily undermine interventions designed to create implicit evaluation change. We discuss implications for the basic nature of implicit social cognitive processes and the possibility of successful debiasing interventions.
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 | 0,004 | 0,017 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».