MétaCan
Menu
Retour à la cohorte
Enregistrement W3110723132 · doi:10.31470/2309-1797-2020-28-1-41-58

Verbal Emotional Disclosure of Moral Injury in Holodomor Survivors

2020· article· en· W3110723132 sur OpenAlexfundno aff
Larysa Zasiekina, Serhii Zasiekin

Notice bibliographique

RevuePSYCHOLINGUISTICS · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueEmotions and Moral Behavior
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Alberta
Mots-clésMoral injuryPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Objectives. The purpose of the current research is to define and operationalize moral injury based on moral standards, moral judgements, moral reasoning, moral emotions, moral behaviour, and moral consequences; to explore verbal emotional disclosure of moral injury in Holodomor survivors’ narratives. Materials & Methods. The study applies traumatic narratives of 42 survivors of the Holodomor of 1932–1933 in Ukraine. Main themes aligned with morality structure were captured, using software tool NVivo.12. The study uses LIWC2015 to search for psychological meaningful categories, notably anxiety, anger, sadness, and insights (deep comprehension). The research uses the cross-sectional design utilizing the independent variables of anxiety, anger, insights and dependent variable of moral emotions represented in narratives for multiple linear regression analysis and correlations (2-tailed Pearson r) between components of morality, anxiety, sadness and insights, SPSS. 26. Results. There is a high frequency of moral judgements and a low frequency of moral emotions and moral consequences in the narratives. A significant positive correlation was found between moral standards and other components of morality, in particular moral judgements, moral reasoning, moral consequences, anxiety, sadness and insight. There was a significant positive correlation between moral emotions and anger, and insight. Anxiety, insights and anger taken together are significant predictors of moral emotions, however, only anger is a robust significant independent predictor of moral emotions. Conclusions. Verbal emotional disclosure of traumatic experience relates to expressing righteous anger, contempt, disgust, decreased empathy, and embarrassment, which substitute other moral emotions, notably shame and guilt. The study contributes to our understanding of anxiety, anger, insights (deep comprehension) taken together as robust predictors of moral emotions. Finally, we captured that there are difficulties in verbal emotional disclosure of experience and moral consequences of the Holodomor, since Holodomor survivors predominantly focus on moral judgements and moral standards.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,070
Tête enseignante GPT0,359
Écart entre enseignants0,289 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations25
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePSYCHOLINGUISTICSMême sujetEmotions and Moral BehaviorTravaux en français237 207