MétaCan
Menu
Retour à la cohorte
Enregistrement W2005094357 · doi:10.1080/02699930302295

The content and structure of laypeople's concept of pleasure

2003· article· en· W2005094357 sur OpenAlexaff
Laurette Dubé, Jordan L. Le Bel

Notice bibliographique

RevueCognition & Emotion · 2003
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensConcordia UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésPleasurePsychologySocial psychologyContent (measure theory)Set (abstract data type)Unitary stateCognitive psychologyComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Five studies were conducted to map the content and structure of laypeople's conceptions of pleasure. Instances of the pleasure concept collected in Study 1 consisted predominantly of objects, events or persons described as sources of pleasure. Content analysis suggested that the pleasure category, like emotional response categories, might be formed at an implicit level where various pleasure antecedents are grouped based on common phenomenological qualities of the affective experience. Studies 2 and 3a showed that the pleasure category possesses a graded structure and fuzzy boundaries. Results further revealed that, either when explicitly presented with labels (Study 3b) or left to their own implicit categories during a sorting task (Study 4), laypeople represented pleasure as a hierarchical concept in which differentiated pleasure types (i.e., intellectual, emotional, social and physical) were subsumed under a higher level unitary form of pleasure. In this structure, unitary and differentiated pleasures shared a set of common affective qualities but were also distinguishable by unique and distinctive affective characteristics (Study 5). Ties to prior theories of pleasure and implications for decision making and behavioural research are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,042
Tête enseignante GPT0,232
Écart entre enseignants0,190 · 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 source (Gemma direct ou Codex distillé), 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

Citations273
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCognition & EmotionMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207