Functionality versus dimensionality in psychological taxonomies, and a puzzle of emotional valence
Notice bibliographique
Résumé
This paper applies evolutionary and functional constructivism approaches to the discussion of psychological taxonomies, as implemented in the neurochemical model Functional Ensemble of Temperament (FET). FET asserts that neurochemical systems developed in evolution to regulate functional-dynamical aspects of construction of actions: orientation, selection (integration), energetic maintenance, and management of automatic behavioural elements. As an example, the paper reviews the neurochemical mechanisms of interlocking between emotional dispositions and performance capacities. Research shows that there are no specific neurophysiological systems of positive or negative affect, and that emotional valence is rather an integrative product of many brain systems during estimations of needs and the capacities required to satisfy these needs. The interlocking between emotional valence and functional aspects of performance appears to be only partial since all monoamine and opioid receptor systems play important roles in non-emotional aspects of behaviour, in addition to emotionality. This suggests that the Positive/Negative Affect framework for DSM/ICD classifications of mental disorders oversimplifies the structure of non-emotionality symptoms of these disorders. Contingent dynamical relationships between neurochemical systems cannot be represented by linear statistical models searching for independent dimensions (such as factor analysis); nevertheless, these relationships should be reflected in psychological and psychiatric taxonomies.This article is part of the theme issue 'Diverse perspectives on diversity: multi-disciplinary approaches to taxonomies of individual differences'.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».