Applying consistent fuzzy preference relations to measure user perceived service quality of information presenting web portals
Notice bibliographique
Résumé
Listening to music aids regulation of emotional arousal and valence (positive vs. negative). Anxiety sensitivity (AS; fear of arousal-related sensations) increases the risk for emotion dysregulation and associated coping behaviors such as substance use and exercise avoidance. The relationship between AS and music listening, however, has received very little attention. This study (1) used exploratory factor analysis of 53 items drawn from three previously validated measures of reasons for music listening to identify the core reasons for listening to music among university students and (2) explored associations between AS and reasons for music listening. Undergraduates (N = 788; 77.7% women; Mage = 19.20, SDage = 2.46) completed the Anxiety Sensitivity Index-3, Motives for Listening to Music Questionnaire, Barcelona Musical Reward Questionnaire, and Brief Music in Mood Regulation Scale. Six core reasons for music listening were identified: Coping, Conformity, Revitalization, Social Enhancement, Connection, and Sensory-Motor. Over and above age and gender, AS was associated with Coping and Conformity-reasons that involve relief from aversive emotions. AS also was associated with listening for Connection reasons. AS was not associated with Revitalization, Social Enhancement, or Sensory-Motor-reasons that involve rewards such as heightened positive emotions. Results suggest that individual differences may influence why people incorporate music listening into their day-to-day lives. Further longitudinal and experimental research is needed to establish directionality and causality in the observed relationship of AS to relief-oriented reasons for music listening. Findings may guide music therapists' efforts to tailor treatment for individuals at risk for anxiety and related mental health problems.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».