Balanced, positive, and negative attributions: A preliminary investigation of a novel attribution coding system and associated affect and social behavior in children with disruptive behavior
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
Abstract Research on children's social information processing (SIP) has mainly focused on negative attributions in peer provocation and rejection situations. The potential of balanced attributions—attributing both positive and negative intent—and of positive attributions has not been explored. We conducted a series of regressions to examine balanced, positive, and negative attributions and links to affective response and socioemotional functioning in 8 to 12 year old ( M = 10.30; SD = 1.09; N = 111) that were clinic‐referred for disruptive behavior. Children's responses to hypothetical situations resulting in ambiguous‐positive and ambiguous‐negative situations were coded for positive, negative, or balanced attribution or affect. Caregivers reported on children's social and emotional functioning. Results indicated that a proportion of children (21.6%) made at least one balanced attribution in both types of situations. Affective responses tended to be in line with attribution style, with positive attribution linked to positive affect, balanced attribution linked to mixed affect, and negative attribution linked to negative affect. Children making positive attributions in ambiguous‐positive situations and balanced attributions across situations tended to have less negative functioning and more positive functioning. Reconsideration of attribution coding schemes to include balanced and positive attributions may guide theoretically important and novel directions in SIP research.
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 | 0,000 | 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) | 0,000 | 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