MétaCan
Menu
Retour à la cohorte
Enregistrement W4406961552 · doi:10.1177/19485506251314071

Information Prioritization Underpins the Flexible Expression of Social Preferences Under Time Constraints

2025· article· en· W4406961552 sur OpenAlexafffundabout
Yi Yang Teoh, Hyuna Cho, Cendri A. Hutcherson

Notice bibliographique

RevueSocial Psychological and Personality Science · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of Mental HealthSocial Sciences and Humanities Research Council of CanadaCanada Research Chairs
Mots-clésProsocial behaviorIncentivePrioritizationPsychologyContext (archaeology)Social psychologySocial environmentSocial preferencesPerspective (graphical)Bridge (graph theory)MicroeconomicsComputer scienceSociologyEconomics

Résumé

récupéré en direct d'OpenAlex

While recent research shows how time constraints exacerbate the influence of contextual (dis)incentives on information prioritization and subsequent choice during prosocial decision-making, this emerging perspective is silent on how pervasive individual differences in dispositional social preferences might interact with these contextual factors to shape these processes. To bridge this gap, we demonstrated in a preregistered study ( N = 200 adults from the United States and Canada; Prolific Academic) that people calibrate their information priorities based on both their dispositional social preferences and contextual (dis)incentives, and that time constraints further exacerbated information prioritization that aligned with their own social preferences, in addition to information incentivized by the broader social context. Furthermore, these information priorities subsequently biased prosocial choices, extremifying people’s selfish/prosocial choice patterns under time constraints. These findings suggest that flexible information prioritization underpins people’s capacity to navigate different social interactions while balancing their own preferences against external incentives and constraints.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,909
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,170
Tête enseignante GPT0,463
Écart entre enseignants0,293 · 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.

Devis d'étudeAutre devis
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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSocial Psychological and Personality ScienceMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207