MétaCan
Menu
Retour à la cohorte
Enregistrement W2791601693 · doi:10.1037/pspi0000119

Motivation moderates the effects of social support visibility.

2018· article· en· W2791601693 sur OpenAlexaff
Katherine S. Zee, Justin V. Cavallo, Abdiel J. Flores, Niall Bolger, E. Tory Higgins

Notice bibliographique

RevueJournal of Personality and Social Psychology · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésPsycINFOPsychologySocial supportVisibilitySocial psychologyAction (physics)Cognitive psychologyMEDLINE

Résumé

récupéré en direct d'OpenAlex

Social support can sometimes have negative consequences for recipients. One way of circumventing these negative effects is to provide support in an 'invisible' or indirect manner, such that recipients do not construe the behavior as a supportive act. However, little is known about how recipients' motivational states influence when visible (direct) support or invisible support is more beneficial. Using the framework of Regulatory Mode Theory, we predicted that recipients motivated to engage in critical evaluation (i.e., those with a predominant assessment motivation) would find invisible support more beneficial than visible support, whereas recipients motivated to initiate action (i.e., those with a predominant locomotion motivation) would find visible support more beneficial than invisible support. Findings from one 2 × 2 experiment (Study 1), two laboratory experiments (Studies 2-3), one dyadic study involving support conversations between friends (Study 4), and a meta-analysis aggregating data from all four studies supported these hypotheses. As predicted, support outcomes were better for assessment predominant recipients following invisible support, but were better for locomotion predominant recipients following visible support. Results indicate that support attempts could be made more effective by considering both support visibility and recipient motivation. (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 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)0,006
score de la tête « metaresearch » (Gemma)0,028
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 enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,088
Tête enseignante GPT0,457
Écart entre enseignants0,369 · 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

Citations39
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Personality and Social PsychologyMême sujetBehavioral Health and InterventionsTravaux en français237 207