MétaCan
Menu
Retour à la cohorte
Enregistrement W2106720006 · doi:10.1177/2167696815578338

Generative Concern and Environmentalism

2015· article· en· W2106720006 sur OpenAlexafffundabout
Fanli Jia, Susan Alisat, Kendall Soucie, Michael W. Pratt

Notice bibliographique

RevueEmerging Adulthood · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueIdentity, Memory, and Therapy
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of Windsor
Mots-clésEnvironmentalismGenerativityGenerative grammarNarrativePsychologyIdentity (music)SociologyPoliticsSocial psychologyEnvironmental ethicsGender studiesAestheticsPolitical scienceLawLiterature

Résumé

récupéré en direct d'OpenAlex

In a mixed-methods longitudinal study, we examined the relationship between Erikson’s construct of generativity, measured at ages 23 and 26, and environmentalism at age 32. Over a hundred Canadian youth completed a questionnaire that measured generative concerns. Environmentalism was assessed by questionnaires on involvement, identity, and attitudes, as well as through narratives about personal experiences with the environment. Narratives were coded for meaning, vividness, and impact of environmentalism. Stronger generative concern in emerging adulthood positively predicted environmentalism after controlling for liberal political orientation and benevolence values. Qualitative analyses of the environmental narrative of participants high in generative concerns revealed three themes that highlight the developmental process that ties generative concerns to environmentalism: (1) wanting to feel more empowered to help the environment, (2) the role of having children as a focus for crystallizing environmentalism, and (3) the passing on of specific family traditions from earlier generations. Environmentalism thus may be one important domain of expression for generative care in youth.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,045
Tête enseignante GPT0,327
Écart entre enseignants0,282 · 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

Citations55
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEmerging AdulthoodMême sujetIdentity, Memory, and TherapyTravaux en français237 207