Who gives? Characteristics of those who have taken the <i>Giving What We Can</i> pledge
Notice bibliographique
Résumé
OBJECTIVE: In the current project, we focus on another group of unusual altruists: people who have taken the Giving What We Can (GWWC) pledge to donate at least 10% of their income to charity. Our project aims to understand what is unique about this population. BACKGROUND: Many people care about helping, but in recent years there has been a surge of research examining those whose moral concern for others goes far beyond that of the typical population. These unusual altruists (also termed extraordinary or extreme altruists or moral exemplars) make great personal sacrifices to help others-such as donating their kidneys to strangers or participating in COVID-19 vaccine challenge trials. METHOD: In a global study (N = 536) we examine a number of cognitive and personality traits of GWWC pledgers and compare them to a country-matched comparison group. RESULTS: In accordance with our predictions, GWWC pledgers were better at identifying fearful faces, more morally expansive and higher in actively open-minded thinking, need for cognition and two subscales of utilitarianism and, tentatively, lower in social dominance orientation. Against our predictions, they were lower in maximizing tendency. Finally, we found an inconclusive relationship between pledger status and empathy/compassion that we believe warrants further examination. CONCLUSIONS: These findings offer initial insights into the characteristics that set apart those who have made the decision to donate a substantial portion of their income to help others.
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 | 0,000 | 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 ».