MétaCan
Menu
Retour à la cohorte
Enregistrement W2923731398 · doi:10.1177/0091415019836098

Effects of Causal Attribution and Implicit Mind-Set on Wisdom Development

2019· article· en· W2923731398 sur OpenAlexaffabout
Fatemeh Alhosseini, Michel Ferrari

Notice bibliographique

RevueThe International Journal of Aging and Human Development · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAttributionSet (abstract data type)PsychologyDevelopment (topology)EpistemologyCognitive psychologyCognitive scienceComputer scienceSocial psychologyPhilosophyMathematics

Résumé

récupéré en direct d'OpenAlex

This study investigates the relationship between motivation and the development of wisdom. Eighty Canadian participants were interviewed and completed Ardelt's Three-Dimensional Wisdom Scale (3D-WS). Using a mixed method design, we assessed wisdom definitions, interpersonal causal attributions, and mind-set about developing wisdom. A chi-square analysis revealed a significant relationship between attribution and mind-set about wisdom development. Two multivariate analyses of variance showed that both factors significantly influenced wisdom scores on the 3D-WS. These results suggest that people who consider wisdom development to be controllable and believe that their personal wisdom can be developed (i.e., growth mind-set) tend to be wiser, regardless of their definition of wisdom. By introducing the importance of mind-set and attribution, this study will open new avenues for research on teaching for wisdom and allow educators to develop programs to cultivate wisdom that focus on altering attribution and mind-set.

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 enseignants0,430
Score d'incertitude au seuil0,271

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)0,0000,000

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 Opus0,033
Tête enseignante GPT0,360
Écart entre enseignants0,327 · 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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Aging and Human DevelopmentMême sujetAging and Gerontology ResearchTravaux en français237 207