MétaCan
Menu
Retour à la cohorte
Enregistrement W2801267195 · doi:10.1017/jrr.2018.5

Why Find My Own When I Can Take Yours?: The Quality of Relationships That Arise From Successful Mate Poaching

2018· article· en· W2801267195 sur OpenAlexaff
Charlene F. Belu, Lucia F. O’Sullivan

Notice bibliographique

RevueJournal of Relationships Research · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueEvolutionary Psychology and Human Behavior
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésPoachingRomanceQuality (philosophy)JealousyPsychologySocial psychologyPositive relationshipSexual relationshipDevelopmental psychologyHuman sexualityDemographySociologyGender studies

Résumé

récupéré en direct d'OpenAlex

Mate poaching occurs when a person attracts another, whom he or she knows is already in an exclusive relationship, into a sexual or romantic relationship. Mate poaching is involved in the evolution of many relationships. Yet, little is known about the quality of these relationships. We examined relationship quality between individuals whose relationships were formed via mate poaching versus not (i.e., a relationship formed serially without overlap with another relationship). We compared ratings of quality from the perspectives of poachers, poached, and co-poached individuals. Adult participants ( n = 660) in a romantic relationship responded to questions assessing relationship quality. Those in relationships formed from poaching rated their relationships as lower in relationship satisfaction, commitment and trust, and higher in jealousy, and had higher rates of romantic and sexuality infidelity in their current relationship compared to individuals in non-poached relationships. Those who were poached from an existing relationship rated their current relationship as lower in commitment than did those who poached their current partner into a relationship. The study also provides first insights regarding relationship quality for those who identify as co-poached. We discuss these findings in terms of implications for understanding how relationships are formed and the qualities of those that endure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,062
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,440
Tête enseignante GPT0,488
Écart entre enseignants0,048 · 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 tête enseignante, pas un consensus.

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

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Relationships ResearchMême sujetEvolutionary Psychology and Human BehaviorTravaux en français237 207