‘Things aren't so bad!’: Preschoolers overpredict the emotional intensity of negative outcomes
Notice bibliographique
Résumé
Adults often overpredict the emotional intensity of future events, but little is known about whether this 'intensity bias' is present in early childhood. We asked 48 3- to 5-year-olds to (1) predict and (2) report their emotions concerning two desirable (receiving four stickers, scoring up to two points in a ball toss) and two undesirable (receiving one sticker, scoring no points) outcomes. Children showed the intensity bias by overpredicting how negatively they would feel if they received one sticker, but not for scoring no points. We discuss how task factors (e.g., personal volition) and cognitive mechanisms (e.g., immune neglect) may influence children's tendency to show the intensity bias. Statement of contribution What is already known on this subject? Adults tend to overpredict the intensity of their emotional reactions to future events. Whether similar 'affective forecasting' errors characterize preschoolers' predictions is not known. What does this study add? We created two forecasting tasks ('sticker' and 'ball') with both desirable and undesirable outcomes. We obtained evidence for a 'negativity' but not a 'positivity' bias in children's predictions. On the sticker task, children overpredicted how badly they would feel after receiving one, versus, four stickers.
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 | 0,003 | 0,006 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 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 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 ».