Credibility of results in emotion science: a <i>Z</i> -curve analysis of results in the journals <i>Cognition & Emotion</i> and <i>Emotion</i>
Notice bibliographique
Résumé
Failed replication attempts have raised concerns over the prevalence of publication bias and false positive results in the psychological literature. Using a sample of 65,970 test statistics from Cognition & Emotion and Emotion, this article assesses the credibility of results in emotional research. All test statistics were converted to z-scores and analysed with Z-curve. A Z-curve analysis provides information about the amount of selection bias, the expected replication rate and the false positive risk. Lastly, Z-curve is used to determine an alpha level that lessens the false positive risk without unnecessary loss of power. The results show evidence of selection bias in emotional research, but trend analyses showed a decrease over time. Based on the z-curve estimates, we predict a 15% and 70% success rate in replication studies. Therefore, replication studies should increase sample sizes to avoid type-II errors. The risk of false positives with the traditional alpha level of 5% is between 5% and 33%. Lowering alpha to 1% is sufficient to reduce the false positive risk to less than 5%. In sum, our findings may alleviate concerns about high false positive rates among emotional researchers. However, selection bias and low power remain challenges to be addressed.
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 | 0,616 | 0,859 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,036 |
| Bibliométrie | 0,027 | 0,025 |
| Études des sciences et des technologies | 0,003 | 0,011 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».