The Emerging Science of Virtue
Notice bibliographique
Résumé
Numerous scholars have claimed that positive ethical traits such as virtues are important in human psychology and behavior. Psychologists have begun to test these claims. The scores of studies on virtue do not yet constitute a mature science of virtue because of unresolved theoretical and methods challenges. In this article, we addressed those challenges by clarifying how virtue research relates to prosocial behavior, positive psychology, and personality psychology and does not run afoul of the fact–value distinction. The STRIVE-4 ( S calar T raits that are R ole sensitive, include Situation × Trait I nteractions, and are related to important V alues that help to constitute E udaimonia ) model of virtue is proposed to help resolve the theoretical and methods problems and encourage a mature science of virtue. The model depicts virtues as empirically verifiable, acquired scalar traits that are role sensitive, involve Situation × Trait interactions, and relate to important values that partly constitute eudaimonia (human flourishing). The model also holds that virtue traits have four major components: knowledge, behavior, emotion/motivation, and disposition. Heuristically, the STRIVE-4 model suggests 26 hypotheses, which are discussed in light of extant research to indicate which aspects of the model have been assessed and which have not. Research on virtues has included survey, intensive longitudinal, informant-based, experimental, and neuroscientific methods. This discussion illustrates how the STRIVE-4 framework can unify extant research and fruitfully guide future 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,025 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».