Implicit bias and experience influence overall but not relative trustworthiness judgment of other-race faces
Notice bibliographique
Résumé
Impressions of trustworthiness are formed quickly from faces. To what extent are these impressions shared among observers of the same or different races? Although high consensus of trustworthiness evaluation has been consistently reported, recent studies suggested substantial individual differences. For instance, negative implicit racial bias and low contact experience towards individuals of the other race have been shown to be related to low trustworthiness judgments for other-race faces. This pre-registered study further examined the effects of implicit social bias and experience on trustworthiness judgments of other-race faces. A relatively large sample of White (N = 338) and Black (N = 299) participants completed three tasks: a trustworthiness rating task of faces, a race implicit association test, and a questionnaire of experience. Each participant rated trustworthiness of 100 White faces and 100 Black faces. We found that the overall trustworthiness ratings for other-race faces were influenced by both implicit bias and experience with individuals of the other-race. Nonetheless, when comparing to the own-race baseline ratings, high correlations were observed for the relative differences in trustworthiness ratings of other-race faces for participants with varied levels of implicit bias and experience. These results suggest differential impact of social concepts (e.g., implicit bias, experience) vs. instinct (e.g., decision of approach-vs-avoid) on trustworthiness impressions, as revealed by overall vs. relative ratings on other-race faces.
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 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 | 0,001 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».