Responses to dissatisfaction in friendships and romantic relationships: An interpersonal script analysis
Notice bibliographique
Résumé
According to interpersonal script models, people’s responses to relational events are shaped by the reaction they expect from a close other. We analyzed responses to dissatisfaction in close relationships from an interpersonal script perspective. Participants reported on how a close friend or romantic partner would react to their expressions of dissatisfaction (using the exit-voice-loyalty-neglect typology). They were also asked to forecast whether the issue would be resolved (i.e., anticipated outcomes). Our main hypothesis was that people’s expectations for how a close other would respond to dissatisfaction would be dependent on their own self response. Further, we predicted that passive responses would be more common and viewed as less deleterious to a friendship than a romantic relationship. Results indicated that the responses that were expected from close others were contingent on how self responded. Moreover, as predicted, these contingencies followed different tracks depending on the type of relationship. Friends were more likely to expect passive responses to self’s expression of dissatisfaction, especially if self responded with neglect, whereas romantic partners expected more active responses. Furthermore, people anticipated that the issue would be more likely to be resolved if their friend (vs. romantic partner) responded passively and less actively (especially for destructive responses). It was concluded that people hold complex, nuanced interpersonal scripts for dissatisfaction and that these scripts vary, depending on the relationship context.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».