Plans as Emotion Regulation Tools? Examining the Consequences of Planning on Affect
Notice bibliographique
Résumé
Psychologists have studied extensively the consequences of planning for motivation and task performance, but little work has examined whether plan-making serves another function, that of helping us feel better about the yet-to-be completed task. In the present research, we examined whether making plans for completing a future task positively impacts feelings related to that task. In three studies, we tested the possibility that planning decreases negative emotions about the task planned for, and whether some types of planning are more beneficial for this than others. In Studies 1 and 2, participants were asked to nominate an important task they had yet to complete and that they had felt concerned about completing lately, and then instructed to either make a plan to complete the task using one of the specified planning types, or were not asked to make a plan. Participants then rated their feelings about the task on twenty emotions adjectives (PANAS; Watson, Clark, & Tellegen, 1988). In Study 3, participants were prompted to think about an upcoming exam, and then either (1) made a specific plan to prepare for it followed by giving affect ratings (experimental condition), or (2) rated their affect first and then made a specific plan (control condition). The results of Study 1 (N = 144) supported our hypothesis – following planning, mental simulation planners reported lower levels of negative affect than implementation intention planners and no plan controls. No differences were found for positive affect. These results were not replicated in Study 2 (N = 133) or Study 3 (N = 147), where feelings about the task did not differ depending on whether participants planned or not, or planning type. Overall, our findings did not yield consistent evidence that planning for an important future task has immediate affective benefits.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».