Across six societies children engage in costly third-party punishment of unfair sharing
Notice bibliographique
Résumé
Third-party punishment of unfairness shows striking cross-societal variation in adults, yet we know little about where and when in development this variation starts to emerge. When do children across societies begin to pay a cost to prevent unfair sharing? We present an experimental study of third-party punishment of unfair sharing across N = 535 children aged 5-15 from communities in six diverse countries: Canada, India, Peru, Uganda, USA, and Vanuatu. We tested whether children were more likely to punish equal or selfish (maximally unequal) distributions between two absent peers. We also tested whether decisions depended on whether such punishment was costly-participants had to sacrifice their own rewards to punish-or free. Our study generated three main findings. First, children across societies engaged in third-party punishment of selfishness: they were more likely to punish selfish than equal distributions. Second, older children were more likely than younger children to punish selfish sharing in Canada, India, Peru, and the USA. Third, children in Canada and the USA punished more in general in the Free condition than in the Costly condition, whereas children in Uganda punished selfishness more in the Costly condition. These findings show that children from six diverse societal contexts consistently took a stance against unfair sharing, in some cases even sacrificing their own rewards to intervene against selfishness in their peers. We highlight and discuss similarities and differences in cross-societal patterns of age-related differences in third-party punishment and suggest potential explanations for these patterns.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».