MétaCan
Menu
Retour à la cohorte
Enregistrement W2287498396 · doi:10.1177/0146167215626706

Motivational Affordance and Risk-Taking Across Decision Domains

2016· article· en· W2287498396 sur OpenAlexaff
Xi Zou, Abigail A. Scholer

Notice bibliographique

RevuePersonality and Social Psychology Bulletin · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRegulatory focus theoryAffordancePsychologyPromotion (chess)Social psychologyRecreationRisk aversion (psychology)Mechanism (biology)Cognitive psychologyExpected utility hypothesis

Résumé

récupéré en direct d'OpenAlex

We propose a motivational affordance account to explain both stability and variability in risk-taking propensity in major decision domains. We draw on regulatory focus theory to differentiate two types of motivation (prevention, promotion) that play a key role in predicting risk-taking. Study 1 demonstrated that prevention motivation is negatively associated with risk-taking across six key decision domains, including health/safety, ethics, recreation, gambling, investment, and social. In contrast, promotion motivation is positively associated with risk-taking in the social and investment domains. Study 2 replicated the same pattern and provided direct evidence that promotion motivation is a strong predictor of risk-taking only in domains where there is true potential for gains. Study 3 manipulated promotion (vs. prevention) motivation experimentally to demonstrate that motivational affordance is a critical mechanism for understanding risk-taking behaviors.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,409
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,078
Tête enseignante GPT0,443
Écart entre enseignants0,365 · 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

Citations53
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePersonality and Social Psychology BulletinMême sujetBehavioral Health and InterventionsTravaux en français237 207