MétaCan
Menu
Retour à la cohorte
Enregistrement W2334253180 · doi:10.1037/a0037696

Spending one’s time: The hedonic principle in ad libitum viewing of pictures.

2014· article· en· W2334253180 sur OpenAlexaff
Assaf Kron, Maryna Pilkiw, Ariel Goldstein, Daniel H. Lee, Katherine Gardhouse, Adam K. Anderson

Notice bibliographique

RevueEmotion · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsychologyArousalValence (chemistry)PleasureFeelingStimulus (psychology)Cognitive psychologySocial psychologyHedonismNeuroscience

Résumé

récupéré en direct d'OpenAlex

The hedonic principle maintains that humans strive to maximize pleasant feelings and avoid unpleasant feelings. Surprisingly, and contrary to hedonic logic, previous experiments have demonstrated a relationship between picture viewing time and arousal (activation) but not with valence (pleasure vs. displeasure), suggesting that arousal rather than the hedonic principle accounts for how individuals choose to spend their time. In 2 experiments we investigated the arousal and hedonic principles underlying viewing time behavior while controlling for familiarity with stimuli, picture complexity, and demand characteristics. Under ad libitum conditions of picture viewing, we found strong relationships between viewing time, valence, and facial corrugator electomyographic (EMG) activity with familiar but not novel pictures. Viewing time of novel stimuli was largely associated with arousal and visual complexity. We conclude that only after initial information about the stimulus is gathered, where we choose to spend our time is guided by the hedonic principle.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil0,683

Scores Codex et Gemma par catégorie

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

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 Opus0,057
Tête enseignante GPT0,292
Écart entre enseignants0,235 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations14
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEmotionMême sujetFace Recognition and PerceptionTravaux en français237 207