MétaCan
Menu
Retour à la cohorte
Enregistrement W2810974868 · doi:10.1177/0033294118784864

Emotional Response Categorization in Adolescents and Young Adults

2018· article· en· W2810974868 sur OpenAlexaff
Caroline Herry, Célia Maintenant, Isabelle Blanchette, Elodie Tricard, Guillaume Gimenes, Valérie Pennequin

Notice bibliographique

RevuePsychological Reports · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesUniversité François-Rabelais
Mots-clésCategorizationPsychologyValence (chemistry)CognitionDevelopmental psychologyMoodEmotional valenceYoung adultCognitive psychologyClinical psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Categorization is based on cognitive mechanisms allowing the development of internal representations of the environment that guide behavior. This study tests the influence of emotions on categorization in adolescents and young adults. After a mood induction (negative, positive, or neutral), we compared how 68 adolescents aged 13 to 15 and 57 young adults aged 21 to 29 categorized emotional concepts using a lexical emotional categorization task. Participants had to choose which of three associates, of different emotional valence (positive, negative or neutral), was more similar to a target concept. The aim of this study was to determine if adolescents rely on the emotional dimension in categorization more than adults. The results show that the emotional state can influence the cognitive process of categorization in adolescence, particularly in the negative mood.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,017
Score d'incertitude au seuil0,790

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,321
Écart entre enseignants0,301 · 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.

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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychological ReportsMême sujetChild and Animal Learning DevelopmentTravaux en français237 207