Testing predictive models of positive and negative affect with psychosocial, acculturation, and coping variables in a multiethnic undergraduate sample
Notice bibliographique
Résumé
Despite the prevalence and popularity of research on positive and negative affect within the field of psychology, there is currently little research on affect involving the examination of cultural variables and with participants of diverse cultural and ethnic backgrounds. To the authors' knowledge, currently no empirical studies have comprehensively examined predictive models of positive and negative affect based specifically on multiple psychosocial, acculturation, and coping variables as predictors with any sample populations. Therefore, the purpose of the present study was to test the predictive power of perceived stress, social support, bidirectional acculturation (i.e., Canadian acculturation and heritage acculturation), religious coping and cultural coping (i.e., collective, avoidance, and engagement coping) in explaining positive and negative affect in a multiethnic sample of 301 undergraduate students in Canada. Two hierarchal multiple regressions were conducted, one for each affect as the dependent variable, with the above described predictors. The results supported the hypotheses and showed the two overall models to be significant in predicting affect of both kinds. Specifically, a higher level of positive affect was predicted by a lower level of perceived stress, less use of religious coping, and more use of engagement coping in dealing with stress by the participants. Higher level of negative affect, however, was predicted by a higher level of perceived stress and more use of avoidance coping in responding to stress. The current findings highlight the value and relevance of empirically examining the stress-coping-adaptation experiences of diverse populations from an affective conceptual framework, particularly with the inclusion of positive affect. Implications and recommendations for advancing future research and theoretical works in this area are considered and presented.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».