Hostile Attribution Biases and Evaluation of Vocally Enacted Responses to Peer Provocation in Early Adolescents
Notice bibliographique
Résumé
ABSTRACT Hostile Attribution Bias (HAB) is the tendency to perceive ambiguous social information as threatening. The social information processing (SIP) model provides a theoretical framework for determining how individuals with HAB perceive, interpret, and make decisions regarding social cues. Although previous work has mapped the association between HAB and youths’ behavioral responses to peer provocation, little attention has been given to how nonverbal cues (e.g., tone of voice) shape youths’ evaluations of different response strategies. The current study explores the association between HAB and youths’ assessments of vocally enacted peer provocation scenarios and responses, focusing on both the “interpretation of cues” (i.e., how youth viewed the provocation) and “selection of response” (i.e., how they evaluated the appropriateness of various responses to the provocation) stages of the SIP model. In an online study, 129 English‐speaking 10–14‐year‐old participants (51.9% female) heard audio recordings of peer provocation and rated them on the perceived threat, hostility, and intent of the provocateur (“interpretation” stage). Additionally, participants heard pre‐recorded audio clips of other teenagers’ “hostile” and “affiliative” responses to each scenario and indicated the appropriateness of these responses for the situation (“selection of response” stage). HAB scores were associated with differential ratings of hostile‐ versus affiliative‐sounding responses, with youth with higher HAB scores rating affiliative responses as less appropriate. Moreover, attributing more hostility, threat, and intentionality to the provocateur was associated with higher ratings of appropriateness for hostile responses only. Findings highlight how youths’ HAB/interpretations of situations are associated with their evaluation of the nonverbal aspects of various responses to provocation.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».