The development of Tibetan children’s racial bias in empathy: The mediating role of ethnic identity and wrongfulness of ethnic intergroup bias.
Notice bibliographique
Résumé
on Oct 07 2024 (see record 2025-32719-001). In the article, the authors wish to remove biased language and inappropriate discussion surrounding the comparison between the Tibetan sample and the non-Tibetan samples, and the text discussing the development of Tibetan children's awareness of their own racial prejudice. The necessary corrections are present in the erratum.] Objectives: Individuals often automatically have more empathy for same-race members. However, there are no studies on racial bias in empathy (RBE) among Tibetan school-aged children. The present study aimed to examine the development of RBEs, including racial bias in cognitive empathy, affective empathy, and behavioral empathy, in Tibetan school-aged children. METHOD: = 60, aged 7-12), Tibetan children's ethnic identity and the awareness of the wrongfulness of ethnic intergroup bias were added to examine the underlying mechanism. RESULT: Results found that RBEs increased among Tibetan children aged 7-10 and decreased among those aged 11-12, Moreover, we analyzed age as a continuous variable and found that 10 years old was the inflection point in the development of RBEs in Tibetan children. Importantly, children aged 11-12 years old realized more wrongfulness of ethnic intergroup bias than children aged 7-10. The ethnic identity of Tibetan children aged 7-10 mediated the relation between age group and RBEs. And the wrongfulness of ethnic intergroup bias mediated the link between age group and RBEs in Tibetan children aged 9-12. CONCLUSION: Our study sheds light on the development of RBEs in Tibetan school-aged children and highlights the importance of identifying the appropriate timing for intervening in prejudice. (PsycInfo Database Record (c) 2025 APA, all rights reserved).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».