MétaCan
Menu
Retour à la cohorte
Enregistrement W4205753413 · doi:10.1080/02699931.2021.2023108

Why might negative mood help or hinder inhibitory performance? An exploration of thinking styles using a Navon induction

2022· article· en· W4205753413 sur OpenAlexaff
Martyn S. Gabel, Tara McAuley

Notice bibliographique

RevueCognition & Emotion · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueLearning Styles and Cognitive Differences
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPsychologyCognitive psychologyMoodSocial psychology

Résumé

récupéré en direct d'OpenAlex

Theories of affective influences on cognition posit that negative mood may increase cognitive load, causing a decrement in task performance (Seibert & Ellis, [1991]. Irrelevant thoughts, emotional mood states, and cognitive task performance. Memory & Cognition, 19(5), 507–513), or cause a shift to more analytic thinking, which benefits tasks requiring attention to detail (Schwarz & Clore, [1983]. Mood, misattribution, and judgments of well-being: Informative and directive functions of affective states. Journal of Personality and Social Psychology, 45(3), 513–523). We previously reported that individuals who are higher in the trait of emotional reactivity performed better on an inhibitory task with increasing negative mood whereas low-reactive individuals showed the converse pattern (Gabel & McAuley, [2018]. Does mood help or hinder executive functions? Reactivity may be the key. Personality and Individual Differences, 128, 94–99; [2020]. React to act: Negative mood, response inhibition, and the moderating role of emotional reactivity. Motivation and Emotion, 44(6), 862–869). Because high-reactive individuals are more accustomed to negative affect (Nock et al., [2008]. The emotion reactivity scale: Development, evaluation, and relation to self-injurious thoughts and behaviors. Behavior Therapy, 39(2), 107–116), we speculated that negative mood engendered analytic thinking but without a task-incongruent increase in cognitive load – thereby facilitating performance. Here, we induced a heuristic or analytic approach to information processing prior to performance of an inhibitory task and expected different results pending the thinking style induced. In the heuristic condition, increasing negative mood was associated with better performance for high-reactive participants but not their low-reactive counterparts. In the analytic condition, increasing negative mood was associated with better performance irrespective of emotional reactivity. Our results are consistent with the notion that negative mood engenders analytic thinking which may benefit response inhibition provided it does not increase task-incongruent cognitive load.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,111
Tête enseignante GPT0,329
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCognition & EmotionMême sujetLearning Styles and Cognitive DifferencesTravaux en français237 207