Escape Theory and Materialism: An Experimental Paradigm for Self-Blame
Notice bibliographique
Résumé
Escape theory, as proposed by Donnelly and colleagues, identifies six steps that contribute to materialistic behaviour supported by research. Self-blame, the second step, is the most novel component and thus least investigated. In addition, research in materialism is primarily correlational. The present study investigates the second step, self-blame, with an experimental design. A materialist university sample (N = 56) was randomly assigned to a control or self-blame vignette. The self-blame vignette was novel in nature, utilizing the illusion of a choice-based narrative. Participants then engaged in a shopping simulator comprised of products ranging in materialistic value. A subsequent questionnaire then assessed materialistic behaviours and associated cognitions of interest. ANOVAs were then conducted to test between-group differences in behaviour and cognitions, while bivariate analyses tested correlations between such variables. ANOVAs revealed that inducing self-blame caused materialists to be happier with their purchases after a shopping experience than control materialists. Meanwhile, the bivariate analyses extend literature by providing experimental evidence for materialistic behaviour and associated cognitions, including materialists experiencing greater guilt after purchasing more products and spending more money than non-materialists. Future research can continue to enhance the overall effectiveness of self-blame induction methods. Moreover, researchers can also investigate the effect that reducing self-blame has on halting the progression through the six steps of materialistic behaviour proposed in Escape theory. This, in turn, can enhance materialists’ wellbeing. Discipline: Psychology (Honours) Faculty Mentor: Dr. David Watson
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».