Notice bibliographique
Résumé
Cette étude vise à tester un modèle qui explique la dynamique existant entre les antécédents et les conséquences de l’expérience de loisir. Le modèle stipule que la motivation devrait avoir un impact considérable sur l’expérience de loisir. Plus précisément, il est prédit que plus une personne est autodéterminée lors de la pratique d’une activité de loisir, plus son expérience de loisir devrait être élevée. Le modèle prédit aussi que la présence de l’eau, lors d’une activité de loisir, influencera l’expérience de loisir, c’est-à-dire que l’intensité de l’expérience de loisir devrait augmenter en fonction du degré de contact avec l’eau. Finalement, il est prédit qu’une expérience de loisir intense a des effets positifs dans la vie d’un individu. Ainsi, plus l’expérience de loisir d’une personne est intense et positive, plus cette personne devrait évaluer sa forme physique et sa satisfaction de vie d’une manière positive. Les résultats seront discutés en lien avec le modèle de Tinsley et Tinsley (1986), le modèle hiérarchique de la motivation intrinsèque et extrinsèque de Vallerand (1997) et le modèle de l’infusion d’affect de Forgas (1994, 1995).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».