Being Perceived as a Vital Force or a Burden: The Social Utility-Based Acceptance/Rejection (SUBAR) Model
Notice bibliographique
Résumé
This paper proposes a new theoretical model to explain the acceptance/rejection of agents (co-workers) and various social groups (people with mental disorders or disabilities, the elderly, the unemployed/poor, ethnic minorities) in a given social system: the social utility-based acceptance/rejection (SUBAR) Model. Based on a social utility approach, it is proposed that human social cognition evaluates and reacts to agents/groups in a social system on the basis of the perceived strengths and significant contributions they bring to the system ( upward forces ; e.g., skills, resources, willingness) and the perceived weaknesses that may harm the system ( downward forces ; e.g., use of social benefits, dependence). While the perception of upward forces for the system (i.e., vital forces ) is accompanied by acceptance (positive attitudes and behaviors), the perception of downward forces (i.e., burdens on the system ) promotes rejection (negative attitudes and behaviors). The combination of the two indicators predicts that low vital forces/high burden targets will be the most rejected and high vital forces/low burden targets will be the most accepted. The high burden/high vital forces and low vital forces/low burden targets should be evaluated at an intermediate level between the other two. This naive calculation of the forces exerted by agents/groups in a social system is moderated by various variables (scarcity of economic resources, values) and responds to a functional attempt to regulate individual and collective interests, themselves dependent on the efficiency of given systems. Finally, the relationship of the SUBAR model to other relevant theories will also be discussed.
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 | 0,001 | 0,001 |
| 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 ».