MétaCan
Menu
Retour à la cohorte
Enregistrement W2303582674 · doi:10.1037/xge0000108

Culture shapes whether the pursuit of happiness predicts higher or lower well-being.

2015· article· en· W2303582674 sur OpenAlexaff
Brett Q. Ford, Julia Dmitrieva, Daniel Heller, Yulia Chentsova-Dutton, Igor Grossmann, Maya Tamir, Yukiko Uchida, Birgit Koopmann‐Holm, Victoria A. Floerke, Meike Uhrig, Tatiana G. Bokhan, Iris B. Mauss

Notice bibliographique

RevueJournal of Experimental Psychology General · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueCultural Differences and Values
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Institute of Mental Health
Mots-clésHappinessCollectivismIndividualistic cultureSocial psychologySubjective well-beingIndividualismPsychologyWell-beingPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Pursuing happiness can paradoxically impair well-being. Here, the authors propose the potential downsides to pursuing happiness may be specific to individualistic cultures. In collectivistic (vs. individualistic) cultures, pursuing happiness may be more successful because happiness is viewed--and thus pursued--in relatively socially engaged ways. In 4 geographical regions that vary in level of collectivism (United States, Germany, Russia, East Asia), we assessed participants' well-being, motivation to pursue happiness, and to what extent they pursued happiness in socially engaged ways. Motivation to pursue happiness predicted lower well-being in the United States, did not predict well-being in Germany, and predicted higher well-being in Russia and in East Asia. These cultural differences in the link between motivation to pursue happiness and well-being were explained by cultural differences in the socially engaged pursuit of happiness. These findings suggest that culture shapes whether the pursuit of happiness is linked with better or worse well-being, perhaps via how people pursue happiness.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,112
Tête enseignante GPT0,420
Écart entre enseignants0,307 · 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

Citations188
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental Psychology GeneralMême sujetCultural Differences and ValuesTravaux en français237 207