Personality differences in the occurrence and affective correlates of daily positive events
Notice bibliographique
Résumé
OBJECTIVE: Previous research shows that Neuroticism predicts exposure and affective reactivity to daily stressors. Zautra and colleagues extended this work to daily positive events. Building on these frameworks, we examined the Big Five personality traits as predictors of the occurrence and affective correlates of daily positive events. METHOD: Participants in two national U.S. daily diary studies (NSDE 2: N = 1,919 and NSDE Refresher: N = 778; aged 25-84) reported daily positive events, emotions specific to the events, and daily affect for 8 consecutive days. RESULTS: In parallel analyses in both samples, Extraversion and in the NSDE Refresher sample only Openness (but not Neuroticism, Conscientiousness, or Agreeableness) predicted more frequent positive event occurrence. All Big Five traits were associated with one or more emotional experiences (e.g., calm, proud) during positive events. Neuroticism predicted greater event-related positive affect in the NSDE 2 sample, whereas Agreeableness was related to more event-related negative affect in the NSDE Refresher sample. CONCLUSIONS: The Big Five personality traits each provided unique information for predicting positive events in daily life. The discussion centers on potential explanations and implications for advancing the understanding of individual differences that contribute to engagement in positive experiences.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».