The Effects of Noun-Labelling by Others and the Self in the Domain of Mental Disorders
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Using noun phrasing to refer to an individual's maladaptive behavioral pattern (e.g., John is a drinker.) may lead to stronger inferences of identity, compared with non-noun phrasing (e.g., John drinks). Building on research from developmental and social psychology, the current studies examine the impact of noun labels in the mental disorder domain. In Study 1, 171 undergraduate participants read descriptions of hypothetical individuals’ behaviour (e.g., gambling, drinking, overeating) phrased using either noun labels or non-noun phrasing, depending on the condition randomly assigned. The hypothesis that participants would rate behaviours described using nouns as more stable and resilient compared with behaviour described using non-nouns was not supported. Self-labelling was investigated in the Study 2, 167 undergraduate participants were randomly assigned to either a drinking or gambling condition. In response to a series of questions regarding which of two phrases would reflect greater amenability to change, participants chose between a noun-label phrase (e.g., “I am a gambler”) or a non-noun equivalent (e.g., “I gamble whenever I can”). As predicted, participants’ perceived the noun-label phrase (e.g., “I am a drinker”, “I am a gambler”) as more in-keeping with an intent to change. These findings broaden our understanding of the effects of language which implies identity in the domain of mental disorders. Discipline: Psychology (Honours) Faculty Mentor: Dr. Andrew Howell
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.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle