MétaCan
Menu
Retour à la cohorte
Enregistrement W7154631166 · doi:10.48448/wfz8-k587

What Almost Happened? Using Close-Counterfactuals to Prime a Simulation Mindset in Children

2025· other· W7154631166 sur OpenAlexaff
Cognitive Science Society 2025, Patricia Ganea, Julianna Lu

Notice bibliographique

RevueUnderline Science Inc. · 2025
Typeother
Langue
Domaine
Thématique
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCounterfactual thinkingMindsetPrime (order theory)Control (management)Affect (linguistics)

Résumé

récupéré en direct d'OpenAlex

Counterfactual reasoning, the ability to reason about how events could have turned out differently, helps individuals understand the causes of events and prepare for the future. The simulation mindset hypothesis posits that exposure to counterfactual scenarios stimulates the generation of imaginary alternatives, enhancing planning, problem-solving, and behaviour adjustment. This study investigated whether close-counterfactual scenarios prime a simulation mindset in children leading to better problem-solving abilities. Ninety six- and eight-year-olds were assigned to either a counterfactual condition, with storybooks featuring close-counterfactual events, or a control condition, with storybooks describing factual events. Participants then completed two problem-solving tasks requiring the generation of alternative solutions. Results showed that 8-year-olds exhibited better problem-solving abilities than 6-year-olds. Counterfactual scenarios did not significantly affect older children's problem-solving skills, however they showed benefits for the younger children. These findings provide emerging evidence that engaging in counterfactual reasoning can enhance divergent thinking and problem-solving skills in children.

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)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0110,014
Études des sciences et des technologies0,0010,003
Communication savante0,0040,006
Science ouverte0,0050,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,011

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 Opus0,028
Tête enseignante GPT0,356
Écart entre enseignants0,327 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSimulation ou modélisation
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 revueUnderline Science Inc.Travaux en français237 207