White racial identity, political attitudes, and selective exposure to information about racism
Notice bibliographique
Résumé
Despite its documented benefits, information about racism can threaten White identity in ways that may motivate disengagement. In fact, people generally choose information that is favorable rather than unfavorable to their attitudes, social identities, or some aspect of the self (i.e., selective exposure). However, existing research is unclear about whether White racial identity can shape selective exposure, a question complicated by the fact that these identity-based motives might conflict with political attitudes that consistently shape information preferences. In eight studies (n = 3,080), we demonstrate that White racial identity–above and beyond racial and political attitudes–motivates selective exposure to information about racism. In Studies 1 and 2, White participants selected racism-irrelevant information over racism information—a pattern that distinguished them from racially minoritized participants even when accounting for racial and political attitudes. White participants in Studies 3a and 3b simultaneously considered how favorable information was to their racial identity and to their political attitudes when rating how threatening they expected information to be. These ratings almost perfectly mirrored patterns of selective exposure among White participants in Studies 4a-c. Across studies, identity-based motives helped to explain why White participants selected less information about racism. Study 5 further found that encouraging White participants to reappraise and seek discomfort (an affective state theorized to underlie selective exposure) led them to select more ideologically inconsistent information about racism, although the implication of this finding differs for White liberals and conservatives. These studies demonstrate the importance of both racial identity and political attitudes for understanding and addressing biases in how people process information about racism. We discuss these findings in terms of their implications for theories of selective exposure and for growing political conflicts over information about racism.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».