Managing motivational conflict: How self-esteem and executive resources influence self-regulatory responses to risk.
Notice bibliographique
Résumé
This article explores how self-esteem and executive resources interact to determine responses to motivational conflict. One correlational and 3 experimental studies investigated the hypothesis that high and low self-esteem people undertake different self-regulatory strategies in "risky" situations that afford opportunity to pursue competing goals and that carrying out these strategies requires executive resources. When such resources are available, high self-esteem people respond to risk by prioritizing and pursuing approach goals, whereas low self-esteem people prioritize avoidance goals. However, self-esteem does not influence responses to risk when executive resources are impaired. In these studies, risk was operationalized by exposing participants to a relationship threat (Studies 1 and 2), by using participants' self-reported marital conflict (Study 3), and by threatening academic competence (Study 4). Executive resources were operationalized as cognitive load (Studies 1 and 2), working memory capacity (Study 3), and resource depletion (Study 4). When executive resources were ample, high self-esteem people responded to interpersonal risk by making more positive relationship evaluations (Studies 1, 2, and 3) and making more risky social comparisons following a personal failure (Study 4) than did low self-esteem people. Self-esteem did not predict participants' responses when executive resources were impaired or when risk was absent. The regulatory function of self-esteem may be more resource-dependent than has been previously theorized.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».