Enhancement motives moderate the relationship between high‐arousal positive moods and drinking quantity: Evidence from a 22‐day experience sampling study
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: Individuals who consume alcohol may be distinguished by their drinking motives. Enhancement motives involve drinking to enhance positive moods. Research on the moderating effect of enhancement motives on the within-person relation between daily positive mood and drinking has not differentiated between high- (e.g. hyper) and low-arousal (e.g. cheerful) positive moods. The present study addressed this limitation. We hypothesised that enhancement motives would positively moderate the relationship between mid-afternoon high-arousal positive mood and evening drinking. DESIGN AND METHODS: Using a palm pilot-based experience sampling design, 143 undergraduate drinkers answered daily surveys assessing positive mood (mid-afternoon) and drinks (evening) for 22 consecutive days. RESULTS: As hypothesised, enhancement motives strengthened the relation between high-arousal positive moods and drinking. Upon closer examination, the mood-drinking slope for those high in enhancement motives was unexpectedly flat, whereas the mood-drinking slope for those low in enhancement motives was negative. DISCUSSION AND CONCLUSIONS: We demonstrated that high enhancement-motivated drinkers exhibit a high, stable drinking level, regardless of the intensity of their high-arousal positive mood. In contrast, low enhancement-motivated drinkers decrease their drinking when in a high-arousal positive mood state. Clinicians may be able to help reduce heavy alcohol consumption in enhancement-motivated drinkers by teaching them to reduce their drinking when in a high-arousal positive mood state.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».