Replication Data for: Does Analytic Thinking Insulate Against Pro-Kremlin Disinformation? Evidence from Ukraine
Notice bibliographique
Résumé
Pro-Kremlin disinformation campaigns have long targeted Ukraine. We investigate susceptibility to this pro-Kremlin disinformation from a cognitive science perspective. Is greater analytic thinking associated with less belief in disinformation, as per classical theories of reasoning? Or does analytic thinking amplify motivated system 2 reasoning (or “cultural cognition”), such that analytic thinking is associated with more polarized beliefs (and thus more belief in pro-Kremlin disinformation among pro-Russia Ukrainians)? In online (N=1,974) and face-to-face representative (N=9,474) samples of Ukrainians, we find support for the classical reasoning account. Analytic thinking, as measured using the Cognitive Reflection Test, was associated with greater ability to discern truth from disinformation – even for Ukrainians who are strongly oriented towards Russia. We find similar, albeit weaker, results when operationalizing analytic thinking using the self-report Active Open-minded Thinking scale. These results demonstrate a similar pattern to prior work using American participants. Thus, the positive association between analytic thinking and the ability to discern truth versus falsehood generalizes to the qualitatively different information environment of post-communist Ukraine. Despite low trust in government and media, weak journalistic standards, and years of exposure to Russian disinformation, Ukrainians who engage in more analytic thinking are better able to tell truth from falsehood.
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 | 0,024 | 0,149 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,060 | 0,009 |
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 ».