Understanding and Improving Emotion Regulation: Lessons from Psychological Science and the Humanities
Notice bibliographique
Résumé
Abstract Most psychology researchers define emotion regulation as manipulating the quality, duration, of intensity of emotions. This definition often assumes that the goal of life is to maximize positive emotions and minimize negative ones (hedonism). To understand the limitations of this definition, and the possibility of other definitions of emotion regulation, one must look to the humanities. Philosophy and research can be used to discuss the paradox of hedonism: direct attempts to feel good often lead to feeling bad. Rather than emotion regulation being about feeling good, the authors suggest it can be about doing good. They discuss how people can use the study of the humanities to improve five emotion-regulation skills: (1) the ability to guide behavior based on value and virtue (ethics, moral philosophy); (2) the use of reasoning (e.g., philosophy, logic) in emotional situations, and the ability to recognize the limits of reasoning and to let go of it (e.g., Eastern philosophy focused on mindfulness and paradox); (3) awareness of emotions; (4) the ability to broaden and build one’s emotional responses; and (5) the ability to take perspective of the self and others, a skill that can be improved by reading history and literature. The authors briefly discuss the dangers of a feel-good approach to emotion regulation for society. The humanities allow one to see that most acts of prejudice, discrimination, and indifference to suffering stem from a desire to feel good (safe, guilt free, powerful, prestigious) at the expense of others.
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 | 0,000 | 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 | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,000 |
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 ».