MétaCan
Menu
← Retour à la cohorte
Enregistrement W6968943043 · doi:10.5281/zenodo.5035759

EXAMINING THE THEORY OF AVERSIVE RACISM: DOES DEFENDANT IMMIGRANT STATUS AND ETHNICITY, AND JUROR GENDER CONTRIBUTE TO JUROR BIAS?

2021· dissertation· en· W6968943043 sur OpenAlexaboutno aff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2021
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueSocial and Intergroup Psychology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationRacismTraitJust-world hypothesisLegal psychologyRacial bias

Résumé

récupéré en direct d'OpenAlex

Implicit bias by jurors towards immigrants in the United States legal system has become a main focus within law and psychology literature. Aversive racism theory suggests that people may hold egalitarian values, however, they may unconsciously hold negative attitudes about out-groups and express them very indirectly and subtly. The purpose of this study was to examine prejudicial attitudes towards immigrants by European American mock jurors and examine if the theory of aversive racism could best explain such prejudice. In a mock juror study, 283 European American participants were randomly assigned to one of four conditions in a 2 (immigration status: legal or illegal) X 2 (Country of origin: Canada or Mexico) between-groups design. The measured variable of juror gender was also examined (gender: male or female) to complete eight conditions in a 2X2X2 between-groups design. Participants acted as mock jurors and read a case trial transcript, provided a verdict, recommended a sentence, answered various questions regarding culpability, rated the defendant on a number of trait measures, answered questions pertaining to the specific details of the crime and defendant, and provided personal demographic information. Based on prior research, it was hypothesized that European American male jurors would find undocumented immigrant defendants from Mexico guilty significantly more often, recommend lengthier sentences, more culpable, and rate them more negatively on trait measures compared with all other conditions. Jurors demonstrated bias based on the interactive effects of the independent measures. Limitations and future directions are discussed.

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)0,023
score de la tête « metaresearch » (Gemma)0,081
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 enseignants0,023
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,081
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,074
Tête enseignante GPT0,318
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetSocial and Intergroup Psychology→Travaux en français237 207→