MétaCan
Menu
Retour à la cohorte
Enregistrement W2064813392 · doi:10.5964/ejop.v4i2.428

Positive and Negative Self-Worth Beliefs and Evaluative Standards

2008· article· en· W2064813392 sur OpenAlexaff
Catherine Leite, Nicholas A. Kuiper

Notice bibliographique

RevueEurope’s Journal of Psychology · 2008
Typearticle
Langueen
DomainePsychology
ThématiquePersonality Traits and Psychology
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSchema (genetic algorithms)PsychologyContingencySocial psychologySelf-esteemContingency tableSelfDevelopmental psychologyEpistemologyStatistics

Résumé

récupéré en direct d'OpenAlex

This study examined several different types of self-worth beliefs and evaluations as predictors of depression and self-esteem. Based upon a self-schema model of emotion, some of these beliefs and evaluations had a traditional negative focus (e.g., “I am failing at work”), whereas others focused specifically on positive aspects of self-worth (e.g., “I am able to give, as well as receive, in relationships”). Findings indicated that positive self-worth evaluations were one of the main predictors of greater self-esteem and less depression, thus indicating a need for further exploration of the role of positive evaluative components of the self-schema on psychological well-being. Our findings also revealed that self-worth beliefs and evaluative standards pertaining to independence and a sense of mastery over one’s environment were generally better predictors of well-being than those pertaining to relationships with others. This pattern was particularly evident for self-esteem, and supports the distinction made in the self-schema model between self-worth based upon individualism versus relatedness themes. Finally, we compared the relative predictive utility of the self-schema model with a self-worth contingency model advanced by Crocker. Here, the beliefs and evaluations specified in the self-schema model were significant predictors of well-being, above and beyond the specific content domains specified in the self-worth contingency model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,777
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,041
Tête enseignante GPT0,388
Écart entre enseignants0,347 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEurope’s Journal of PsychologyMême sujetPersonality Traits and PsychologyTravaux en français237 207