MétaCan
Menu
Retour à la cohorte
Enregistrement W2010065799 · doi:10.1037/a0034996

Does emotion help or hinder reasoning? The moderating role of relevance.

2013· article· en· W2010065799 sur OpenAlexafffund
Isabelle Blanchette, Sarah Gavigan, Kathryn Johnston

Notice bibliographique

RevueJournal of Experimental Psychology General · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPsychologyCognitive psychologyRelevance (law)Task (project management)CognitionNeuroscience

Résumé

récupéré en direct d'OpenAlex

Some prior research has shown that emotion impairs logicality in deductive reasoning tasks, while other research suggests improved performance with emotional contents. We suggest that relevance, whether the affective state is associated with the semantic contents of the reasoning task, may be crucial in explaining these apparently inconsistent findings. This hypothesis is based on a framework distinguishing between integral emotions, where affective responses are evoked by the semantic contents of the target task, and incidental emotions, where affective responses are not related to the task. In 4 experiments we examined the effect of emotion on conditional reasoning when affective responses were relevant and irrelevant. We used images presented simultaneously with the reasoning stimuli (Experiments 1, 2, and 3) or videos presented prior to the reasoning stimuli (Experiment 4) that were either emotional or neutral and semantically related or not to the conditional statements. Results showed that emotion decreased the proportion of normatively correct responses only in the irrelevant condition. In the relevant condition, emotion did not produce reliable deleterious effects. We used reaction time and skin conductance measures to investigate the physiological and cognitive correlates of these effects. Results are discussed in terms of the distinction between incidental and integral emotions.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,424

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)0,0000,000

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 Opus0,081
Tête enseignante GPT0,397
Écart entre enseignants0,316 · 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'étudeExpérimental (laboratoire)
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

Citations25
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental Psychology GeneralMême sujetNeural and Behavioral Psychology StudiesTravaux en français237 207