MétaCan
Menu
Retour à la cohorte
Enregistrement W3172905822 · doi:10.1177/00220221211020442

Contextual and Cultural Differences in Positive Thinking

2021· article· en· W3172905822 sur OpenAlexaff
Li‐Jun Ji, Thomas I. Vaughan‐Johnston, Zhiyong Zhang, Jill A. Jacobson, Ning Zhang, Huang Xiaoye

Notice bibliographique

RevueJournal of Cross-Cultural Psychology · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCultural Differences and Values
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)PsychologySocial psychologyPositive relationshipPositive attitudeChinese cultureChinaHistory

Résumé

récupéré en direct d'OpenAlex

Past research suggests that East Asians engage in less positive thinking than Westerners, but cultural differences in positive thinking may depend on context. The present research investigates how culture and context may interactively influence positive thinking. In Studies 1 ( N = 287) and 2 ( N = 245), participants read hypothetical positive or negative events, and indicated their endorsement of responses to each event that reflected positive versus negative thinking. Chinese more often than Euro-Canadians endorsed relatively negative thinking in response to positive events and relatively positive thinking in response to negative events. In Study 3 ( N = 573), Chinese (versus Euro-Canadians) generated more negative outcomes for positive events and more positive outcomes for negative events. These effects were mediated by lay theory of change, a belief that events change over time nonlinearly. The findings use diverse measurement approaches to highlight the importance of examining positive thinking in context across cultures.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,118
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

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

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 Opus0,120
Tête enseignante GPT0,471
Écart entre enseignants0,352 · 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 tête enseignante, 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

Citations33
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cross-Cultural PsychologyMême sujetCultural Differences and ValuesTravaux en français237 207