Can singing help me relax? The effect of music on perceived stress
Notice bibliographique
Résumé
Listening to music can induce relaxation, especially when participants select their own preferred music. However, the role of singing in relaxation is less clear. Some studies have examined group singing, or used singing to induce stress, but it remains unclear if singing in the absence of social stressors can decrease perceived stress. The current study examined this question. Participants (N = 392) rated their current mood before and after a stress inducing reflection task, then were randomly assigned to one of four music interventions: singing vs. listening to a self-selected vs. experimenter-selected song. Following this, participants completed another mood rating, along with questionnaires assessing musical sophistication, personality, demographics, and experience during the intervention. Results revealed a larger decrease in stress after singing compared to listening, although stress decreased significantly in both cases (both ps < .001). Our findings suggest that under certain conditions, singing may be slightly more effective than music listening for stress relief, and that the greatest decreases in stress occur for liked songs. This research is not only beneficial to students managing stress, but has implications for the wider population handling stress during the pandemic. An additional exploratory study examined arts-engagement during COVID-19 and its relationship to stress, anxiety, and coping strategies. Most participants (95.7%) engaged with the arts; relaxation being the most commonly reported feeling (82%). Increases in stress and anxiety correlated with the use of avoidant coping (both ps < .01), but not approach or arts coping. Future directions of these findings will be discussed. Department: Psychology Faculty Mentor: Dr. Kathleen Corrigall
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».