Affect across adulthood: Evidence from English, Dutch, and Spanish.
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
Emotions play a fundamental role in language learning, use, and processing. Words denoting positivity account for a larger part of the lexicon than words denoting negativity, and they also tend to be used more frequently, a phenomenon known as positivity bias. However, language experience changes over an individual's lifetime, making the examination of the emotion-laden lexicon an important topic not only across the life span but also across languages. Furthermore, existing theories predict a range of different age-related trajectories in processing valenced words. The present study pits all of these predictions against written productions (Facebook status updates from over 20,000 users) and behavioral data from three publicly available megastudies on different languages, namely English, Dutch, and Spanish, across adulthood. The production data demonstrated an increase in positive word types and tokens with advancing age. In terms of comprehension, the results showed a uniform and consistent effect of valence across languages and cohorts based on data from a visual word recognition task. The difference in reaction times to very positive and very negative words declined with age, with responses to positive words slowing down more strongly with age than responses to negative words. We argue that the results stem from lifelong learning and emotion regulation: Advancing age is accompanied by an increased type frequency of positive words in language production, which is mirrored as a discrimination penalty in comprehension. To our knowledge, this is the first study to simultaneously target both language production and comprehension across adulthood and in a cross-linguistic perspective. (PsycInfo Database Record (c) 2021 APA, all rights reserved).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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