Motivated Categories: Social Structures Shape the Construction of Social Categories Through Attentional Mechanisms
Notice bibliographique
Résumé
Social categorization is often framed as the antecedent to stereotyping, with perceivers rationally sorting the social world on the basis of perceptually salient categories before applying biased or motivated beliefs about those categories. Here, we instead suggest that the construction of social categories by individuals is itself subject to motivational influences, such that perceivers will attend to a given dimension of social categorization (e.g., race or gender) insofar as doing so fits within their motivations. Drawing from classic conceptualizations of social structure as the interplay of schemas and resources, we focus on how the motivations for shared schemas and for material benefits or resources may shape attention to social category dimensions. We outline the potential cognitive mechanisms through which these motivations may act on attention, before discussing the implications of this model for individual differences, conceptualizations of social categorization as rational information reduction, and prejudice reduction. Public Abstract Social categories like race and gender often give rise to stereotypes and prejudice, and a great deal of research has focused on how motivations influence these biased beliefs. Here, we focus on potential biases in how these categories are even formed in the first place, suggesting that motivations can influence the very categories people use to group others. We propose that motivations to share schemas with other people and to gain resources shape people’s attention to dimensions like race, gender, and age in different contexts. Specifically, people will pay attention to dimensions to the degree that the conclusions produced from using those dimensions align with their motivations. Overall, we suggest that simply examining the downstream effects of social categorization like stereotyping and prejudice is not enough, and that research should look earlier in the process at how and when we form the categories on which those stereotypes are based.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».