CAPTION-ing the situation: A lexically-derived taxonomy of psychological situation characteristics.
Notice bibliographique
Résumé
In comparison with personality taxonomic research, there has been much less advancement toward establishing an integrative taxonomy of psychological situation characteristics (similar to personality characteristics for persons). One of the main concerns has been the limited content coverage of the characteristics being used. To address this issue, we present a collection of 4 lexically based studies using the largest-to-date number of situation characteristics to identify the major dimensions of the psychological situation. These studies each implemented a unique sampling and analytic methodology-namely, a qualitative dimensional exploration; the factor analyses of 2, independent samples of large-scale in situ ratings of situations; and the use of lexical-vector representations from neural-network-based models derived from millions of sources of natural-language usage with a total of 146.7 billion words. Across these studies, a clear 7-dimensional structure emerged: Complexity, Adversity, Positive Valence, Typicality, Importance, Humor, and Negative Valence-collectively referred to as the "CAPTION" model, which parsimoniously integrates the diversity of dimensions found in the extant literature. We then introduce both full- and short-form measures of these CAPTION. Data from 2 additional diverse samples of native English speakers suggest that the measures have good psychometric properties, and are able to predict a broad range of important psychological outcomes (e.g., behaviors, affect, motivation, and need satisfaction), even when pitted against extant situation taxonomic frameworks. We conclude by discussing how the CAPTION framework may serve as a useful tool for conceptualizing and measuring a broad range of psychological situations across all areas of psychology. (PsycINFO Database Record
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».