MétaCan
Menu
Retour à la cohorte
Enregistrement W3124500019 · doi:10.1027/0227-5910/a000755

Hope as a Process in Understanding Positive Mood and Suicide Protection

2021· article· en· W3124500019 sur OpenAlexaff
Edward C. Chang, Xinying Jiang, Weiyi Tian, Shangwen Yi, Jiting Liu, Pengwei Liang, Yongyi Liang, Siyu Lai, Xiaoxuan Shi, Mingqi Li, Olivia D. Chang, Jameson K. Hirsch

Notice bibliographique

RevueCrisis · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueOptimism, Hope, and Well-being
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMoodMediationPsychologyAgency (philosophy)PopulationClinical psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract. Background: According to the broaden-and-build model of positive mood, positive emotions are believed to broaden cognition resources and build psychological resiliency, to help incur positive psychological outcomes. Aim: We examined hope as a potential mediator of the association between positive mood and suicide protection (viz., life satisfaction and reasons for living) in adults. We hypothesized that positive mood would be associated with greater suicide protection through broadening hope agency and building hope pathways. Method: A sample of 320 college students completed measures of positive emotions, hope, and suicide protection. Results: Results from bootstrapped mediation testing indicated that hope agency, but not hope pathways, partially or fully mediated the relationship between positive mood and suicide protection. Limitations: It is not clear whether these findings are generalizable to a more diverse adult population. Also, it is not possible to rule out alternative causal models involving positive emotions and suicide protection. Conclusion: These findings provide some promising preliminary evidence for how positive emotions might help build hope agency to foster greater suicide protection in adults.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,003
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,039
Tête enseignante GPT0,332
Écart entre enseignants0,293 · 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'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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCrisisMême sujetOptimism, Hope, and Well-beingTravaux en français237 207