MétaCan
Menu
Retour à la cohorte
Enregistrement W2918149690 · doi:10.1177/0022022119830522

The Role of Early Immersive Culture Mixing in Cultural Identifications of Multiculturals

2019· article· en· W2918149690 sur OpenAlexaff
Lee Martin, Bo Shao, David C. Thomas

Notice bibliographique

RevueJournal of Cross-Cultural Psychology · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueCultural Differences and Values
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésMulticulturalismHarmony (color)PhenomenonCultural identityIdentification (biology)Identity (music)SociologyChinese cultureSocial psychologyPsychologyAestheticsEpistemologyGeographyBiologyChinaEcologyArtVisual artsFeelingPedagogy

Résumé

récupéré en direct d'OpenAlex

Becoming multicultural through early immersive culture mixing (EICM)—i.e., growing up with a mix of cultures that coexist and interact to form an emergent hybrid culture within one’s home—is a rapidly rising phenomenon in many parts of the world. This phenomenon calls for new research that recognizes the possibility of identification with a hybrid culture as well as the distinct cultures from which the hybrid culture derives. This article extends previous research into psychological variation among multiculturals based on the process of EICM, by investigating how EICM influences hybrid cultural identification and distinct cultural identification. In addition, we examine how EICM relates to the components of identity integration—blendedness and harmony. Across two studies of Chinese-Australian multiculturals, we found that whereas EICM was positively associated with multicultural participants’ identification with a hybrid culture and Australian culture, it was not related to their identification with Chinese culture. Findings also indicated that EICM positively predicted identity blendedness, but EICM did not show a clear link with identity harmony. We discuss the implications of our research for advancing EICM theory and helping to forge new research directions in cultural identification.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,660
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

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

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 Opus0,066
Tête enseignante GPT0,466
Écart entre enseignants0,400 · 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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cross-Cultural PsychologyMême sujetCultural Differences and ValuesTravaux en français237 207