MétaCan
Menu
Retour à la cohorte
Enregistrement W4387894662 · doi:10.1002/bdm.2361

Preference for quicker offers: The critical roles of temporal reference points and evaluation mode

2023· article· en· W4387894662 sur OpenAlexaff
Chao Lei, Pengcheng Zhang, Lance Gregory, Hai‐Jiang Wang, Guoxuan Wang, Gerald Häubl

Notice bibliographique

RevueJournal of Behavioral Decision Making · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPreferenceMode (computer interface)Point (geometry)SalientFeelingCognitive psychologyComputer sciencePsychologyJoint (building)Social psychologyArtificial intelligenceHuman–computer interactionMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract People may use the amount of time it takes someone else to reach a particular decision as input that informs their thoughts and feelings about that decision. Building on prior work suggesting that people are more inclined to accept offers that are extended more rapidly, the current research shows that this preference for quicker offers depends critically on whether offers are considered simultaneously along with other offers or individually (i.e., joint vs. separate evaluation mode), as well as on the presence and nature of explicit temporal reference points in joint evaluation mode. We theorize that the preference for quicker offers is limited to settings where (1) multiple offers are considered simultaneously and (2) the amount of time it took for these offers to be made exceeds a salient temporal reference point. This implies that the effect should not be observed when multiple offers are considered that were not all generated more slowly than an explicit temporal reference point, or when offers are considered one at a time. Evidence from seven studies provides support for this theorizing. The findings advance our understanding of the nuanced ways in which the amount of time taken to extend offers affects how people interpret, draw inferences from, and respond to these offers.

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)0,008
score de la tête « metaresearch » (Gemma)0,056
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,056
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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 Opus0,391
Tête enseignante GPT0,524
Écart entre enseignants0,133 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Behavioral Decision MakingMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207