MétaCan
Menu
Retour à la cohorte
Enregistrement W1988300303 · doi:10.4236/psych.2013.412141

Behavioral and Experiential Self-Regulations in Psychological Well-Being under Proximal and Distal Goal Conditions

2013· article· en· W1988300303 sur OpenAlexafffund
Péter Horváth, Vanessa McColl

Notice bibliographique

RevuePsychology · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueMotivation and Self-Concept in Sports
Établissements canadiensAcadia University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésExperiential learningPsychologyCyberneticsExperiential avoidanceComponent (thermodynamics)Goal orientationIntrinsic motivationSocial psychologyCognitive psychologyAnxietyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study examined the relationship of goal-related components of cybernetic, behavioral, and experiential self-regulations to psychological well-being under two types of conditions, the pursuit of intrinsic goals in general and specific intrinsic goals for the academic term. In an online survey, undergraduates (N = 186) completed global measures of psychological well-being, behavioral and experiential self-regulations, and rated themselves on goal-related self-regulatory components. Correlations indicated that most of the cybernetic, behavioral and experiential self-regulatory variables were associated with each other and with well-being. In terms of the goal-related self-regulatory components, when pursuing intrinsic goals more generally, the experiential self-regulatory component of enjoyment of the activity predicted well-being. However, when pursuing intrinsic term goals, the cybernetic self-regulatory component of perceived goal progress and the behavioral self-regulatory component of self-reinforcement for goal progress predicted well-being. The findings extend theoretical conceptualizations of psychological well-being by integrating compatibilities between cybernetic, behavioral, experiential self-regulatory processes and motivational conditions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,122
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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 Opus0,024
Tête enseignante GPT0,367
Écart entre enseignants0,343 · 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.

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

Citations4
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePsychologyMême sujetMotivation and Self-Concept in SportsTravaux en français237 207