MétaCan
Menu
Retour à la cohorte
Enregistrement W2041792978 · doi:10.5964/ejop.v10i3.752

Humor Styles and the Intolerance of Uncertainty Model of Generalized Anxiety

2014· article· en· W2041792978 sur OpenAlexaff
Nicholas A. Kuiper, Dana Klein, Jaclyn Vertes, Nadia Maiolino

Notice bibliographique

RevueEurope’s Journal of Psychology · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueHumor Studies and Applications
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésWorryPsychologyAnxietyPersonalitySocial psychologyDevelopmental psychologyClinical psychology

Résumé

récupéré en direct d'OpenAlex

Past research suggests that sense of humor may play a role in anxiety. The present study builds upon this work by exploring how individual differences in various humor styles, such as affiliative, self-enhancing, and self-defeating humor, may fit within a contemporary research model of anxiety. In this model, intolerance of uncertainty is a fundamental personality characteristic that heightens excessive worry, thus increasing anxiety. We further propose that greater intolerance of uncertainty may also suppress the use of adaptive humor (affiliate and self-enhancing), and foster the increased use of maladaptive self-defeating humor. Initial correlational analyses provide empirical support for these proposals. In addition, we found that excessive worry and affiliative humor both served as significant mediators. In particular, heightened intolerance of uncertainty lead to both excessive worry and a reduction in affiliative humor use, which, in turn, increased anxiety. We also explored potential humor mediating effects for each of the individual worry content domains in this model. These analyses confirmed the importance of affiliative humor as a mediator for worry pertaining to a wide range of content domains (e.g., relationships, lack of confidence, the future and work). These findings were then discussed in terms of a combined model that considers how humor styles may impact the social sharing of positive and negative 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 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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,031
Tête enseignante GPT0,343
Écart entre enseignants0,311 · 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

Citations24
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEurope’s Journal of PsychologyMême sujetHumor Studies and ApplicationsTravaux en français237 207