Notice bibliographique
Résumé
There is little consensus about the underlying parameters of human reasoning. Two major theories have been proposed that suppose very different mechanisms. The mental model theory proposes that people use working memory intensive processes in order to construct limited models of problem parameters. Probabilistic theories propose that reasoning is a process by which people use the sum of their existing knowledge in order to generate an estimate of the probability of a conclusion given problem parameters. Following an initial proposition by Verschueren et al., the dual-strategy model supposes that these different approaches to reasoning are in fact an important individual difference. Specifically, a recently developed diagnostic questionnaire has identified two major categories of reasoners: Counterexample reasoners use a mental model form of processing, while Statistical reasoners use a probabilistic form of processing. In the following, I describe results that show that the Counterexample/Statistical distinction affects information processing across a variety of reasoning and judgment tasks. In addition, strategy use correlates with performance on very different kinds of thinking, such as contingency judgments, processing of negative emotions, or susceptibility to social biases. Although this distinction is related to differences in cognitive ability, it has been found to predict performance over and above these differences. More recent results have shown that it is possible to experimentally modify strategy use. These results suggest that strategy use is an important individual difference that can affect performance in a wide variety of contexts.
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 | 0,019 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,020 |
| Communication savante | 0,009 | 0,023 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».