The Differences and Similarities between Curiosity and Interest: Meta-analysis and Network Analyses
Notice bibliographique
Résumé
The relationship and difference between curiosity and interest have received considerable attention and discussion. Yet, most of the discussions have not been based on empirical evidence. Here we report three studies examining the relationship between curiosity and interest. The first study was a meta-analysis that examined the Pearson correlations between scales assessing curiosity and interest. Based on 24 studies (31 effect sizes), we found that the curiosity scales correlated with the interest scales at a moderate level (r = .53), but they had extremely high heterogeneity, suggesting that the relationship largely depended on how they were conceptualized. The second and third studies applied network analyses (i.e., co-occurrence analysis and correlation-based analysis) to data that was collected using experience sampling method, examining the way in which the subjective feelings of curiosity and interest are related. Across the studies, we found consistent differences between the feelings associated with curiosity and those associated with interest. While the feelings of curiosity reflected feelings of inquisitiveness and eagerness to know more, the feelings of interest were aligned with positive affect such as enjoyment and happiness. Importantly, an asymmetrical pattern was found in curiosity-interest co-occurrences: when the feelings of curiosity occurred, the co-occurrence of the feelings of interest was highly likely, but not so vice versa. That is, when the feelings of interest occurred, the feelings of curiosity did not always co-occur. Theoretical and practical implications of these findings are discussed.
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 | 0,045 | 0,113 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,039 |
| Bibliométrie | 0,013 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».