Self-determination, self-regulation, and the brain: Autonomy improves performance by enhancing neuroaffective responsiveness to self-regulation failure.
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
The importance of autonomous motivation in improving self-regulation has been a focal topic of motivation research for almost 3 decades. Despite this extensive research, however, there has not yet been a mechanistic account of how autonomous motivation works to boost self-regulatory functioning. To address this issue, we examined the role of autonomy in 2 basic self-regulation tasks while recording a neural signal of self-regulation failure (i.e., the error-related negativity; ERN). Based on the notion that autonomy improves self-regulation, we anticipated that autonomous motivation would enhance neuroaffective responsiveness to self-regulatory failure and thus improve performance relative to controlled motivation. In Study 1 (N = 43), we found that trait autonomy was positively associated with self-regulatory performance and that this effect was mediated by increased brain-based sensitivity to self-regulation failure, as demonstrated by a larger ERN. Study 2 (N = 55) replicated and extended this pattern using an experimental manipulation of autonomy; when autonomous motivation was contextually supported, task performance increased relative to those for whom autonomy was undermined and those in a neutral condition. In addition, this effect was mediated by both increased perceptions of autonomy and larger ERN amplitudes. These findings offer deeper insight into the links among motivational orientation, brain-based performance monitoring, and self-regulation.
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 | 0,003 | 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 découle