Reproducing age and sex biases in perceived pain intensity and prosocial behaviors using digital characters
Notice bibliographique
Résumé
Empathy begins with the perception of others’ affective states (e.g., through facial expressions) and can lead to prosocial behaviors. These stages can be grouped into the empathy continuum. The latter can be influenced by several factors, including age and sex. One study by Gingras et al. (2021) investigated how these characteristics affect the first (perception) and last (help) stages of the empathy continuum for the pain of others. They found, using picture of patients, that more pain was perceived and more help was offered to older than younger and to male than female patients, but no interaction was found. Even if pain intensity was globally comparable across conditions, the stimuli were not controlled at the level of the different action units. The present study aimed to replicate previous findings using dynamic digital characters, thereby providing better control over stimuli. Fifty-seven participants (28 younger, 29 older; 29 males, 28 females) watched videos of eight digital characters (4 younger, 4 older; 4 males, 4 females) expressing pain and rated the intensity and the help they would offer. The findings replicated those of Gingras et al. (2021) with the addition of an age by sex interaction: older males received more help, and their pain was perceived as higher than older females. This work demonstrates age and sex biases in the empathy continuum in human-digital character interactions, highlights the intersection between ageism and sexism and shows the potential of digital characters to test psychology research hypotheses with great experimental control.
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 | 0,001 | 0,005 |
| 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 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».