Pinpointing reality: How well can people judge true and mistaken emotional childhood memories?
Bibliographic record
Abstract
Meme si les preneurs de decisions juridiques doivent souvent juger de la veracite de souvenirs affectifs lointains, il n'existe que peu de recherche a cet egard. La presente etude evalue la mesure dans laquelle les personnes peuvent determiner des souvenirs affectifs d'enfance entierement errones. De plus, des differences individuelles possibles, notamment des traits de personnalite dans les relations interpersonnelles et des strategies d'utilisation des indices contribuant a cette faculte, ont fait l'objet de l'examen. Les participants (N = 137 etudiants du premier cycle) ont visionne des videos relatant des souvenirs d'enfance vrais et errones et ont du determiner si les sujets avaient reellement vecu les evenements rapportes. Les resultats indiquent que 60 pour cent des juges ont identifie correctement des souvenirs errones (possibilite plus grande que) et 53 pour cent ont identifie correctement des souvenirs vrais (selon toute probabilite). Comparativement aux juges qui n'ont pas vu juste, les juges qui ont vu juste sont dans leurs relations interpersonnelles moins sans pretentions et ingenieux, plus arrogants et calculateurs, distants et introvertis. Les juges qui ont vu juste, ont aussi signale s'etre servis davantage des indices d'ensemble pour formuler leur jugement que les juges qui n'ont pas vu juste. Une breve presentation de l'information relative aux indices fondes sur l'empirisme des souvenirs errones avant les jugements de veracite a davantage compromis que facilite la capacite de juger. Les consequences sur l'evaluation de la credibilite dans des situations pratiques et la recherche future sont decrites.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.046 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.005 | 0.008 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".