The independent contributions of social reward and threat perceptions to romantic commitment.
Notice bibliographique
Résumé
Although separate literatures have emerged on effects of social threats (i.e., rejection and negative evaluation) and rewards (i.e., connection and intimacy) on the process of commitment to a romantic relationship, no research has examined the influence of both simultaneously. Using an attachment framework, we examined the relation of social threats and rewards to investment model constructs (i.e., commitment, satisfaction, investment, quality of alternatives) in 3 studies. Study 1 (N = 533) and Study 2 (N = 866) assessed attachment styles, reward and threat perceptions, and investment model constructs, and data were analyzed using structural equation models. In Study 3 (N = 358), reward and threat perceptions were experimentally manipulated followed by measurement of investment model constructs. Results showed that attachment avoidance was uniquely associated with lower perceptions of reward, whereas attachment anxiety was uniquely associated with stronger perceptions of threat. Stronger reward perceptions were associated with higher commitment, investment, and satisfaction, as well as lower quality of alternatives in all studies. Stronger threat perceptions were associated with lower satisfaction in all 3 studies. Stronger threat perceptions were also correlated with higher levels of investment and commitment, although these effects did not replicate in our experimental study. Thus, perceptions of reward appear unambiguously associated with higher levels of all facets of commitment, whereas perceptions of threat are most strongly associated with lower satisfaction. These results underscore the importance of considering the effects of rewards and threats simultaneously in commitment processes.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».