MétaCan
Menu
Retour à la cohorte
Enregistrement W2418751347 · doi:10.1371/journal.pone.0147275

Positive Affect and Cognitive Restoration: Investigating the Role of Valence and Arousal

2016· article· en· W2418751347 sur OpenAlexafffund
Logan J. Nealis, Zack van Allen, John M. Zelenski

Notice bibliographique

RevuePLoS ONE · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensCarleton UniversityDalhousie University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAffect (linguistics)ArousalValence (chemistry)CognitionPsychologyCognitive psychologyNeuroscienceChemistryCommunication

Résumé

récupéré en direct d'OpenAlex

Positive moods are thought to restore self-control resources following depletion. However, it is not well understood whether this effect is due to affective valence (pleasantness), arousal (activation), or a combination of both. Across four studies, we set out to investigate the role of positive moods on cognitive and behavioral measures of self-regulation in an ego-depletion paradigm. In studies 1 and 2, we independently manipulated affective valence and arousal and assessed self-regulation with a Stroop task. Results did not suggest a restorative effect of either on cognitive resources. In study 3, we employed both behavioral (the 'handgrip task') and cognitive (Stroop) assessments of self-regulation. Again, no significant effect of mood was observed on the Stroop task. Additionally, participants did not persist significantly longer on the handgrip task following a positive mood induction. Finally, in study 4, high vs. low states of arousal were manipulated and self-regulation was assessed via pre- and post-manipulation Stroop performance. In study 4, Stroop performance improved slightly more across time points for those in the high arousal condition than for those in the low arousal condition. Therefore, across four studies, we failed to find a consistent pattern of results suggesting that positive moods restore cognitive resources.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,256
Score d'incertitude au seuil0,116

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)0,0000,000

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 Opus0,091
Tête enseignante GPT0,350
Écart entre enseignants0,258 · 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'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

Citations20
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetBehavioral Health and InterventionsTravaux en français237 207