Le modèle bayésien de l’intégration identitaire : vers une approche dynamique des processus internes du soi
Notice bibliographique
Résumé
Nos sociétés évoluent et se transforment constamment. Il devient de plus en plus difficile pour chacun de nous d’éviter le changement social. Lorsqu’un changement survient, nous devons modifier qui nous sommes afin de s’adapter à notre nouvel environnement et ressentir du bien-être. Plusieurs études ont proposé des étapes menant à l’intégration identitaire, mais ces processus demeurent limités sur une perspective statique. Les processus statiques ne parviennent pas à expliquer le processus itératif utilisé chaque jour pour intégrer une nouvelle identité. Le but de notre étude est de fusionner deux champs de la littérature : la psychologie sociale et les neurosciences afin de créer le Modèle bayésien d’intégration identitaire (MBII). Lors d’une première étude, nous discutons du fondement théorique du MBII ainsi que deux exemples fictifs de l’intégration d’une identité personnelle et sociale. Dans la seconde étude, nous testons certaines parties du MBII dans le contexte de la légalisation du cannabis au Canada. Ce contexte peut avoir changé l’intégration du cannabis des Canadiens dans leur identité de groupe. Nous avons mesuré l’intégration du cannabis de 1682 Canadiens sur trois temps de mesure à l’aide d’un questionnaire. Nous avons utilisé le MBII sur les trois temps de mesure afin de prédire l’intégration du cannabis au temps 3. Des analyses de régression montrent que les scores prédits par le MBII prédisent positivement les scores rapportés par les participants au temps 3. Les implications théoriques, méthodologiques et pratiques sont discutées.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».