Focusing on fake news’ contents: The association between ingroup identification, perceived outgroup threat, analytical‐intuitive thinking and detecting fake news
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This study aims to reveal the fake news content in the context of the social identity approach and to examine the mediating role of perceived outgroup on the association between ingroup identification and detecting fake news blaming ingroup, outgroup, or fictional groups. Study 1 found that fake news could be gathered under six themes: contacted‐outgroup blaming, represented‐outgroup blaming, outgroup derogation, outgroup appreciation, ingroup glorification, and phantom‐mastermind blaming. In preregistered Study 2 with representative non‐weird participants ( N = 216), we examined the mediating role of perceived outgroup threat on the association between ingroup identification and detecting fake news revealed in Study 1. Perceived outgroup threat was only mediating for detecting outgroup‐blaming fake news when intuitive and analytical thinking styles were controlled. Detecting ingroup‐blaming fake news was associated with ingroup identification. Analytical thinking predicted only detecting phantom‐mastermind‐blaming fake news. Findings demonstrated that the contents of fake news play a vital role in detecting them, and variables pointing to content (i.e., ingroup identification for ingroup‐blaming fake news, and perceived outgroup threat for outgroup‐blaming fake news) are predictive for detecting fake news.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle