MétaCan
Menu
Retour à la cohorte
Enregistrement W7113617661

The role of values in the effectiveness of prejudice reduction efforts

2023· article· en· W7113617661 sur OpenAlexaboutno aff

Notice bibliographique

RevueDigital Access to Scholarship at Harvard (DASH) (Harvard University) · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueCultural Differences and Values
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrejudice (legal term)Psychological interventionAutonomyRacismValue (mathematics)Intervention (counseling)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

With the growing influx of immigrants in Canada, prejudice reduction interventions are gaining popularity. These interventions have garnered mixed success in reducing prejudice. A review of the interventions suggests an indirect link between values and prejudice reduction. This study explored the role of values in the effectiveness of prejudice reduction efforts in Canada. The study hypothesized that messages that are aligned with one’s values would be more effective in reducing prejudice. Adult residents of Canada were randomly assigned to either one of the experimental groups, autonomy or obligatory, or the control group. Participants in the autonomy and obligatory groups read a prejudice reduction intervention message aligned with self-transcendence or conservation values, respectively. The control group saw only a definition of prejudice. After reading the message, each participant completed measures of racism (Symbolic Racism Scale) and values (Revised Portrait Value Questionnaire). Results provided evidence supporting the hypothesis for self-transcendence and conservation values. Higher self-transcendence values were associated with lower prejudice for participants who read the autonomy message. Though not statistically significant, higher conservation values were likely to be associated with lower prejudice scores when participants read the obligatory message. Future research and the implications of findings 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,062
Score d'incertitude au seuil0,836

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,310
Écart entre enseignants0,267 · 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 tête enseignante, 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Access to Scholarship at Harvard (DASH) (Harvard University)Même sujetCultural Differences and ValuesTravaux en français237 207