MétaCan
Menu
Retour à la cohorte
Enregistrement W4384935022 · doi:10.1080/13218719.2023.2214931

‘I like you so . . . ’: how transgressor and interviewer likeability and familiarity influence children’s disclosures

2023· article· en· W4384935022 sur OpenAlexafffund
Ida Foster, Victoria Talwar, Angela M. Crossman

Notice bibliographique

RevuePsychiatry Psychology and Law · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésInterviewPsychologyDevelopmental psychologySocial psychologyClinical psychologyLaw

Résumé

récupéré en direct d'OpenAlex

This study examined how children’s age and their ratings of the likeability of a transgressor (E1) and an interviewer (E2) influenced their testimonies after witnessing a theft. Children (N = 152; ages 7–13 years) witnessed E1 steal $20 from a wallet. E1 then asked the children to lie and say that they did not take the money. Children were interviewed about their experience with E1 and completed two questionnaires about E1 and E2. Children who reported higher likeability scores with E1 were more likely to attempt to conceal the theft and more willing to keep it a secret. Children who reported higher likeability scores with E2 were more likely to indirectly disclose the theft. Age also played a role in children’s ability to maintain their concealment. Results have important implications for professionals who interview children and suggest that more research is needed to examine ways to increase children’s comfort with interviews/interviewers.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,312
Écart entre enseignants0,296 · 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.

Devis d'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePsychiatry Psychology and LawMême sujetDeception detection and forensic psychologyTravaux en français237 207