Stereotypes and social decisions: The interpersonal consequences of socioeconomic status.
Notice bibliographique
Résumé
Perceptions of socioeconomic status (SES) can perpetuate inequality by influencing interpersonal interactions in ways that disadvantage people with low SES. Indeed, lab studies have provided evidence that people can detect others' SES and that they may use this information to apply stereotypes that influence interpersonal decisions. Here, we examine how SES and SES-based stereotypes affect real-world social interactions between people from a socioeconomically diverse population. We used the computer-mediated online round-robin method to facilitate interactions among 297 participants from across the U.S. Participants completed a series of dyadic interactions with other participants in virtual rooms in which they discussed a recent negative consumer experience. After each interaction, they judged the interaction partner's SES, personality traits, and credibility of their consumer experience. Results showed that people perceived SES with moderate accuracy in the interactions, which elicited negative interpersonal stereotypes of low-SES individuals for all 12 of the personality traits measured. People also preferred to affiliate with others with high SES, had more sympathy for them, and found their experiences more credible. SES-based interpersonal stereotypes about personality traits mediated these associations. The perception of SES in real-time interactions thus appears to activate stereotypes that guide social judgments, supporting the hypothesis that interpersonal effects contribute to economic inequality. (PsycInfo Database Record (c) 2025 APA, all rights reserved).
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 ».