MétaCan
Menu
Retour à la cohorte
Enregistrement W1967880068 · doi:10.1080/14768320601176089

Structured writing about current stressors: The benefits of developing plans

2007· article· en· W1967880068 sur OpenAlexaff
Olivia T. Lestideau, Loraine F. Lavallee

Notice bibliographique

RevuePsychology and Health · 2007
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health via Writing
Établissements canadiensUniversity of Northern British ColumbiaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésStressorFeelingAffect (linguistics)PsychologyControl (management)Social psychologyApplied psychologyClinical psychologyComputer scienceCommunication

Résumé

récupéré en direct d'OpenAlex

To investigate the health outcomes of structured writing about everyday stressors, 64 undergraduates selected a stressful event with which they were currently dealing, and wrote about it at home on three occasions in 1 week. Two forms of writing were manipulated: expressive writing – exploring one's thoughts and feelings about the stressor; and planful writing – developing plans to deal with the problem. Appraisals of control and efficacy were investigated as mediators. Expressive writing yielded no health benefits and did not affect appraisals, but planful writing did. Whereas non-planners' levels of negative affect (NA) remained stable across writing days, planners initially experienced higher NA, but their NA decreased significantly across writing days. Planful writers, relative to non-planners, felt less control over their emotions and less confidence in resolving their problem, but it was non-planners who experienced an increase in stress-related symptoms following writing. Appraisals did not mediate the physical health outcomes.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,814
Score d'incertitude au seuil0,539

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,480
Écart entre enseignants0,356 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations7
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology and HealthMême sujetMental Health via WritingTravaux en français237 207