MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386050686 · doi:10.31234/osf.io/msjxk

Barriers and Bootstraps? The role of attributions for social mobility success and failure in policy support and faith in the American Dream

2023· preprint· en· W4386050686 sur OpenAlexaff
Erin R. Shanahan, Anne E. Wilson

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensWilfrid Laurier UniversitySt. Mary's University
Organismes subventionnairesnon disponible
Mots-clésDreamPraiseAttributionFaithSocial mobilitySocial psychologyPsychologyMythologySociologyPolitical sciencePositive economicsEconomicsSocial scienceEpistemologyPsychotherapistHistory

Résumé

récupéré en direct d'OpenAlex

Despite rising inequality making upward social mobility difficult, faith in the American Dream persists. Americans are often exposed to narratives where hard work leads to upward social mobility but are less likely to hear about the numerous instances where the same efforts don’t pay off. Across three pre-registered studies, we examined responses to identical narrative of social mobility effort that either ended in success or failure. Despite equal efforts, a target was viewed as less hardworking and competent and worse at managing their time and money when they failed vs. succeeded to be upwardly mobile. Liberals and conservatives made equally strong internal explanations for social mobility successes. However, conservatives explained failures with more internal and less societal attributions than liberals. These attributions were found to have important implications for faith in the American Dream and support for policies to promote equality. Moreover, experimentally inducing a focus on societal barriers to upward mobility (vs. internal factors) increased support for policies to reduce these barriers, and reduced faith in the American Dream, particularly among conservatives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,052
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,052
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,011
Communication savante0,0060,005
Science ouverte0,0010,005
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,039
Tête enseignante GPT0,394
Écart entre enseignants0,355 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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'admission1
Résumé présentoui

Explorer davantage

Même sujetHealth disparities and outcomes→Travaux en français237 207→