Inequality in People’s Minds: An Integrative Psychological Framework of Perceptions of Economic Inequality
Notice bibliographique
Résumé
Academic Abstract People’s perceptions of economic inequality are important predictors of their political attitudes and behaviors. Scholars across the social sciences have worked to understand people’s (mis)perceptions of inequality. Yet, scholars currently lack a common framework for integrating emerging findings and conceptualizing how these perceptions are formed. Here, we propose an integrative framework to help researchers highlight the psychological processes underlying how inequality is perceived. We draw on theories of perception, cognition, developmental, and social psychology to identify five interlinked, iterative components of the inequality perception process: (a) access to inequality cues, (b) attention to these cues, (c) comprehension of these cues, (d) motivated processing of these cues, and (e) meaningful summary representation of inequality. Our framework provides a roadmap for integrating research across disparate fields, making sense of current findings, and identifying novel challenges to advance future research. Public Abstract How much inequality people perceive better predicts their political action than do official measures of inequality (e.g., economic indicators like the Gini coefficient). While scholars across the social sciences are working to understand these (mis)perceptions of inequality, the literature lacks agreement on measurements of inequality perceptions and, as a result, on whether people under or overestimate inequality. By providing an integrative psychological framework for inequality perceptions that focuses on the processes underlying how people form these perceptions and what they mean to them we shed light on when and why people perceive more or less inequality. Our framework outlines the psychological processes underlying perceptions of inequality and helps scholars value the information and insight people’s own perceptions provide for addressing inequality in communities.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».