Zero-Sum Beliefs Across Age and Generations
Notice bibliographique
Résumé
Zero-sum thinking is pervasive and affects how people perceive the world around them. The belief that for one person to gain another must lose not only is associated with negative affect, greed, and lower life satisfaction, but it also has societal consequences that impact how people interact with each other. Endorsing zero-sum beliefs undermines judgment across contexts such as interpersonal relations, labor relations, public policies, international relations, and economic transactions. Here I investigate how zero-sum beliefs change as people age and why it happens. In Chapters 1-2, I discover and replicate that older people hold fewer zero-sum beliefs than younger individuals. By measuring executive functioning, I show that differences in zero-sum beliefs cannot be explained by the cognitive decline that comes with age. In Chapters 3-4, I show that a decrease in zero-sum beliefs is partly because older people adopt more positive thinking than younger people and because they perceive resources as less scarce. Importantly, I find that the zero-sum beliefs of older individuals are significantly lower than younger individuals when it comes to zero-sum, but not with beliefs that are irrelevant to zero-sum thinking. Finally, in Chapter 5, I examine if my experimental findings are applicable beyond the lab. Using World Values Survey data from a quarter of a million people around the world across fifteen years, I find that the reduction in zero-sum beliefs is a function of both age and generation. People who are older today have been less zero-sum as a generation than the current generation of young individuals regardless of their age, and becoming older reduced their zero-sum beliefs. Broadly, when people perceive situations that are not zero-sum as if they were zero-sum, it undermines the potential to gain mutual benefits. The reduction of this bias with age could provide older people with opportunities they missed out on when they were younger. This could be important for considerations of policy and politics. Reducing zero-sum thinking could lead to creative policies as well as more fruitful political negotiation. Having older people on the team could very well bring about these benefits of seeing the world as non-zero-sum.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».