Addressing the empathy deficit: Beliefs about the malleability of empathy predict effortful responses when empathy is challenging.
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
Empathy is often thought to occur automatically. Yet, empathy frequently breaks down when it is difficult or distressing to relate to people in need, suggesting that empathy is often not felt reflexively. Indeed, the United States as a whole is said to be displaying an empathy deficit. When and why does empathy break down, and what predicts whether people will exert effort to experience empathy in challenging contexts? Across 7 studies, we found that people who held a malleable mindset about empathy (believing empathy can be developed) expended greater empathic effort in challenging contexts than did people who held a fixed theory (believing empathy cannot be developed). Specifically, a malleable theory of empathy--whether measured or experimentally induced--promoted (a) more self-reported effort to feel empathy when it is challenging (Study 1); (b) more empathically effortful responses to a person with conflicting views on personally important sociopolitical issues (Studies 2-4); (c) more time spent listening to the emotional personal story of a racial outgroup member (Study 5); and (d) greater willingness to help cancer patients in effortful, face-to-face ways (Study 6). Study 7 revealed a possible reason for this greater empathic effort in challenging contexts: a stronger interest in improving one's empathy. Together, these data suggest that people's mindsets powerfully affect whether they exert effort to empathize when it is needed most, and these data may represent a point of leverage in increasing empathic behaviors on a broad scale.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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