Abstract We investigated Autism social identity and mental health in autistic people. Autistic people have social and communication deficits, and experience social stigma—factors that could interfere with the development of positive social identity. Indeed, autistic participants ( N = 272) had significantly lower personal self‐esteem, and higher levels of depression and anxiety than typically developing controls ( N = 267). Autism social identification was positively associated with personal self‐esteem, and this relationship was mediated by collective self‐esteem (perceived positivity of Autism identity). Furthermore, there were significant negative indirect effects between Autism identification and anxiety, and between Autism identification and depression, through increases in collective self‐esteem and personal self‐esteem. Thus, while autistic participants reported poorer mental health than average, having a positive Autism social identity appeared to offer a protective mechanism. This implies that to improve mental health in the Autism population, clinical approaches should aim to facilitate development of positive Autism identities.

Abstract What motivates people to participate in collective action? Some actions such as symbolic or online actions are often critiqued as performative allyship, motivated by personal gain rather than genuine concern for the cause. We aim to adjudicate this argument by examining the quality of motivations for acting, drawing on the insights of self‐determination theory and the social identity approach. Using latent profile analysis, we examined whether there are different types of supporters of refugees based on their underlying motives. In Study 1, we surveyed supporters of Syrian refugees from six nations ( N = 936) and measured autonomous and controlled motivation, pro‐refugee identification and collective action. In Study 2 ( N = 1994), we surveyed supporters of Ukrainian refugees in Romania, Hungary and the UK. We found 4–5 profiles in each sample and consistently found that supporters with high autonomous motivation take more action than disengaged or ambivalent supporters (low/neutral on all motives). However, contrary to the tenets of self‐determination theory, those high in both autonomous and controlled motives were the most engaged. We conclude that the most committed supporters are those with multiple motives, but further research is needed on the role of controlled motivation.

Abstract Given the inaccuracies that are inherent in biological sensory and motor functions, animal sensorimotor control should be probabilistic. Effective neural control systems for movement must estimate the most likely true state of the world on the basis of uncertain sensory information, and to select and execute movements that are most likely to be successful given motor variability. Bayesian inference dictates that if sensory information is ambiguous (e.g. low light conditions), animals should rely more on their past experience of target locations to guide motor planning, and less on their current sensory information about target location. Here we investigated how time pressure affects degree to which the precision of sensory information about a target influences movement direction bias towards previous target locations. We used a paradigm developed by Dekleva et al. (2016) that involved uncertain cues to the location of a hidden target for reaching with movement preparation time strictly controlled. One group of participants (n=10) were required to initiate their reaches within 150-300ms of target presentation, and a second group (n=10) were required to initiate their reaches with 1150-1300ms of target presentation. We found that participants relied more on prior target location information when target precision was reduced under time pressure, which suggests that integration of target uncertainty information according to Bayesian principles is an inherent component of sensorimotor transformation and does not require time-consuming cognitive processes.

Innovations in generative AI to create human-like text, images, and videos can cause social, psychological, and political harms. Here, we explain how psychologists can mobilize their extensive theoretical and empirical resources to better anticipate, understand, and mitigate those harms. Innovations in generative AI can cause social, psychological, and political harms. This Comment explains how psychologists can mobilize their extensive theoretical and empirical resources to better anticipate, understand, and mitigate those harms.

Abstract Advances in artificial intelligence (AI) have great potential to help address societal challenges that are both collective in nature and present at national or transnational scale. Pressing challenges in healthcare, finance, infrastructure and sustainability, for instance, might all be productively addressed by leveraging and amplifying AI for national-scale collective intelligence . The development and deployment of this kind of AI faces distinctive challenges, both technical and socio-technical. Here, a research strategy for mobilising inter-disciplinary research to address these challenges is detailed and some of the key issues that must be faced are outlined.