MétaCan
Menu
Retour à la cohorte
Enregistrement W4409488843 · doi:10.1038/s44271-025-00248-z

Message source effects on rejection and costly punishment of criticism across cultures

2025· article· en· W4409488843 sur OpenAlexaboutno aff
J. Lukas Thürmer, Sean M. McCrea

Notice bibliographique

RevueCommunications Psychology · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial and Intergroup Psychology
Établissements canadiensnon disponible
Organismes subventionnairesLeibniz-GemeinschaftAustrian Science Fund
Mots-clésCriticismSocial psychologyPsychologyHonorPolarization (electrochemistry)Political scienceSociologyLaw

Résumé

récupéré en direct d'OpenAlex

Subgroups of societies evaluate information differently, leading to partisan polarization and societal rifts world-wide. Beyond mere disagreement about facts or different preferences, we identify a group-based mechanism predicting the rejection of critical messages and costly punishment of the commenter across three previously understudied and representative cultures. Our pre-registration was peer-reviewed within the Leibniz-Institute for Psychology lab-track scheme prior to data collection and, once accepted, funded. Participants (N = 2207) from China (collectivism, n = 786), Canada (individualism, n = 666), and Japan (honor, n = 755) consistently rejected criticism of their own national group that was attributed to a source from a different national group (intergroup criticism), as compared to the same criticism from within their group. These intergroup sensitivity effects were larger in China than in Canada or Japan. In Canada and Japan only, a bystander intergroup sensitivity effect emerged such that participants rejected criticism of another national group (i.e., they do not belong to) that was attributed to a source from a different national group (intergroup criticism), as compared to the same criticism from within that group. Apparently, the processes underlying this robust effect differ between cultures. We conclude that group-based message rejection contributes to societal rifts in many different cultures.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,804
Score d'incertitude au seuil0,533

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
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 Opus0,037
Tête enseignante GPT0,480
Écart entre enseignants0,443 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications PsychologyMême sujetSocial and Intergroup PsychologyTravaux en français237 207