MétaCan
Menu
Retour à la cohorte
Enregistrement W3000848629 · doi:10.1177/2158244020902084

Reasons for Forgiving: Individual Differences and Emotional Outcomes

2020· article· en· W3000848629 sur OpenAlexaffabout
Kathryn Belicki, Nancy DeCourville, Shanmukh V. Kamble, Tammy Stewart, Alicia N. Rubel

Notice bibliographique

RevueSAGE Open · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueForgiveness and Related Behaviors
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésPsychologyForgivenessMoodAngerCollectivismReligiositySocial psychologyTraitAffect (linguistics)IndividualismEconomics

Résumé

récupéré en direct d'OpenAlex

This research is part of a program to identify common forms of forgiveness and study the outcomes associated with different ways of forgiving. Two samples, one in Canada ( N = 274) and one in India ( N = 159), completed a third version of the Reasons for Forgiving Questionnaire (R4FQ), several measures of individual differences, as well as measures of affect and mood while imagining their injurer. Nine R4FQ subscales were derived: For the Relationship, To Feel Better, Based on Principle, Because Injurer Reformed, To Demonstrate Moral Superiority, Because Understood Injurer, For God, Because of Social Pressure, and For Pragmatic Reasons. These subscales were differentially related to religiosity, attachment security, trait anger, collectivism, and individualism. Positive emotional outcomes were associated with forgiving for the relationship, based on principle, because injurer reformed, and because understood injurer. In contrast, negative outcomes were associated with forgiving To Demonstrate Moral Superiority, Because of Social Pressure, and For Pragmatic Reasons.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,050
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,100
Tête enseignante GPT0,364
Écart entre enseignants0,264 · 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.

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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSAGE OpenMême sujetForgiveness and Related BehaviorsTravaux en français237 207