MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413786591 · doi:10.1371/journal.pone.0330484

Egalitarian norms can deflate identity-bias link in real-life groups

2025· article· en· W4413786591 sur OpenAlexaff
Sami Çoksan, Ahmed Faruk Sağlamöz

Notice bibliographique

RevuePLoS ONE · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial and Intergroup Psychology
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésIngroups and outgroupsIn-group favoritismEgalitarianismSocial psychologyPsychologySocial identity theoryNorm (philosophy)NormativeConformityProsocial behaviorSocial group

Résumé

récupéré en direct d'OpenAlex

Social identity theory posits that group membership influences individual behavior by fostering a sense of belonging and promoting normative conformity within groups. While much research has shown a link between ingroup identification and ingroup bias, the role of ingroup norms in moderating this association remains less explored. Specifically, how varying norms (egalitarianism vs. favoritism) affect bias in individuals with high ingroup identification requires further investigation. To address this gap, we examined whether ingroup norms alter the strength of the identification-bias relationship in two studies (N = 322). We investigated how non-WEIRD real-life group members' ingroup bias was driven by their identification levels and perceived ingroup norm in Study 1 with a correlational design, and we experimentally manipulated ingroup norms in a simulated group discussion in Study 2. Both studies demonstrated that under a favoritism norm, participants with high ingroup identification showed greater ingroup bias, whereas this bias was deflated under an egalitarianism norm. However, contrary to our hypothesis, we did not find evidence that participants with high ingroup identification showed lower ingroup bias under the egalitarianism norm. We discuss these findings and suggest that fostering egalitarian norms within groups may reduce ingroup bias and discrimination, offering insight for interventions aimed at promoting intergroup harmony.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,107
Tête enseignante GPT0,351
Écart entre enseignants0,244 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetSocial and Intergroup Psychology→Travaux en français237 207→