MétaCan
Menu
Retour à la cohorte
Enregistrement W4210694172 · doi:10.1002/ab.22020

Evolutionarily relevant aggressive functions: Differentiating competitive, impression management, sadistic and reactive motives

2022· article· en· W4210694172 sur OpenAlexafffund
Andrew V. Dane, Kiana R. Lapierre, Naomi C. Z. Andrews, Anthony A. Volk

Notice bibliographique

RevueAggressive Behavior · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensBrock University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPsychologyAggressionHostilitySadistic personality disorderSocial psychologyDevelopmental psychologyProvocation testPoison controlPersonalityPersonality disordersMedical emergency

Résumé

récupéré en direct d'OpenAlex

This study investigated early adolescents' (ages 9-14; M = 11.91) self-reported, evolutionarily relevant motives for using aggression, including competitive, impression management, sadistic, and reactive functions, and examined differential relations with a range of psychosocial characteristics. As expected, competitive functions were associated with aggression and victimization in which the perpetrator had equal or less power than the victim, in line with the view that these are aversive and appetitive motives related to competition with rivals. Impression management and sadistic functions were associated with bullying and coercive resource control strategies (the latter for boys only), consistent with expectations that these are appetitive motives, with the former being more goal-directed and the latter somewhat more impulsive. Finally, as hypothesized, reactive functions were associated with emotional symptoms, hostility, victimization by bullying, and aggression by perpetrators with equal or less power than the victim, consistent with theory and research conceptualizing reactive aggression as an impulsive, emotion-driven response to provocation. The benefits of studying a wide range of evolutionarily relevant aggressive functions are discussed.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,282
Écart entre enseignants0,266 · 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

Citations11
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAggressive BehaviorMême sujetBullying, Victimization, and AggressionTravaux en français237 207