Measuring Clarity of and Attention to Emotions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Previous research has found that understanding one's emotions and attending to them are 2 dimensions of emotional awareness. In this research, we examined whether improved subscales for measuring clarity of and attention to emotions could be developed by selecting the best items from 2 frequently used measures of emotional awareness. Using multidimensional scaling and confirmatory factor analysis, we analyzed the Toronto Alexithymia Scale–20 (Bagby, Parker, & Taylor, 1994 Bagby, R. M., Parker, J. D. A. and Taylor, G. J. 1994. The twenty-item Toronto Alexithymia Scale: I. Item selection and cross-validation of the factor structure. Journal of Psychosomatic Research, 38: 23–32. [Crossref], [PubMed], [Web of Science ®] , [Google Scholar]) and the Trait Meta-Mood Scale (Salovey, Mayer, Goldman, Turvey, & Palfai, 1995 Salovey, P., Mayer, J. D., Goldman, S. L., Turvey, C. and Palfai, T. P. 1995. “Emotional attention, clarity, and repair: Exploring emotional intelligence using the trait meta-mood scale”. In Emotion, disclosure, & health, Edited by: Pennebaker, J. 125–154. Washington, DC: American Psychological Association. [Crossref] , [Google Scholar]) data from 867 college students. Results supported distinct clarity and attention constructs. New subscales were internally consistent and fared as well as or better than previous versions in terms of internal consistency and convergent validity.
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.
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 | 0,000 | 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 découle