MétaCan
Menu
Retour à la cohorte
Enregistrement W4400277979 · doi:10.1371/journal.pone.0305178

The political, psychological, and social correlates of cryptocurrency ownership

2024· article· en· W4400277979 sur OpenAlexaff
Shane Littrell, Casey Klofstad, Joseph E. Uscinski

Notice bibliographique

RevuePLoS ONE · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Science Foundation
Mots-clésCryptocurrencyPoliticsPersonalityMachiavellianismSocial psychologyEconomicsSociologyPsychologyLawBig Five personality traitsPolitical scienceComputer security

Résumé

récupéré en direct d'OpenAlex

Cryptocurrency is a digital asset secured by cryptography that has become a popular medium of exchange and investment known for its anonymous transactions, unregulated markets, and volatile prices. Given the popular subculture of traders it has created, and its implications for financial markets and monetary policy, scholars have recently begun to examine the political, psychological, and social characteristics of cryptocurrency investors. A review of the existing literature suggests that cryptocurrency owners may possess higher-than-average levels of nonnormative psychological traits and exhibit a range of non-mainstream political identities. However, this extant literature typically employs small nonrepresentative samples of respondents and examines only a small number of independent variables in each given study. This presents the opportunity for both further testing of previous findings as well as broader exploratory analyses including more expansive descriptive investigations of cryptocurrency owners. To that end, we polled 2,001 American adults in 2022 to examine the associations between cryptocurrency ownership and individual level political, psychological, and social characteristics. Analyses revealed that 30% of our sample have owned some form of cryptocurrency and that these individuals exhibit a diversity of political allegiances and identities. We also found that crypto ownership was associated with belief in conspiracy theories, "dark" personality characteristics (e.g., the "Dark Tetrad" of narcissism, Machiavellianism, psychopathy, and sadism), and more frequent use of alternative and fringe social media platforms. When examining a more comprehensive multivariate model, the variables that most strongly predict cryptocurrency ownership are being male, relying on alternative/fringe social media as one's primary news source, argumentativeness, and an aversion to authoritarianism. These findings highlight numerous avenues for future research into the people who buy and trade cryptocurrencies and speak to broader global trends in anti-establishment attitudes and nonnormative behaviors.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,399
Score d'incertitude au seuil0,275

Scores Codex et Gemma par catégorie

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

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 Opus0,136
Tête enseignante GPT0,358
Écart entre enseignants0,221 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations25
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMisinformation and Its ImpactsTravaux en français237 207