Exploring the cognitive structure of aircraft passengers' emotions in relation to their comfort experience
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
Emotion descriptions were elicited from participants' written accounts of their comfort experience and grouped according to the emotion model by Ortony, Clore, and Collins (OCC). The cognitive structure and specific appraisal patterns of passengers were explored on three levels of passenger's concerns (goals, standards, and aspects), their focus during the flight (including the mediating cabin elements) and the resulting emotions. Four emotion groups were highlighted as relevant to flight comfort. Wellbeing (e.g., joy, distress) emotions were the most frequently mentioned group by participants when focused on the consequences of interaction with cabin features such as seat, IFE and service, pertaining to participants' personal goals (e.g., security, calmness). The cognitive underpinning of prospect-based (e.g., satisfied) emotions included similar goals except that participants evaluated the consequences of their interaction with the seat, legroom, IFE and service relevant to their expectations and anticipations. The emotions in wellbeing/attribution compound group were elicited upon evaluating the consequences of the actions of agents (e.g., service, neighbors). Thus emotions anger and gratitude emerged when those actions yielded pleasing or unpleasing consequences for participants. Attraction (e.g., liking) emotions were generated once passengers developed liking or disliking for certain aspects (e.g., aesthetics, physical fitting) of the seat and legroom. Subsequently, a model of cognitive structure of passengers' emotions was constructed for the flight context highlighting the seat and services as the central (most frequently regarded) features to passengers' emotional experiences. The proposed model enables designers to recognize the types of experiences that should be delivered to ensure that passengers feel comfortable.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 découle