Smiling won’t make you feel better, but it might make people like you more: Interpersonal and intrapersonal consequences of response-focused emotion regulation strategies
Notice bibliographique
Résumé
Emotion regulation (ER) is integral to well-being and relationship quality. Experimental studies tend to explore the intrapersonal effects of ER (i.e. impacts of ER on oneself) and leave out the interpersonal impacts (i.e. the bidirectional impact of ER on the regulator and partner). The ER strategy expressive suppression shows maladaptive interpersonal and intrapersonal consequences during distressing conversations. We aimed to explore whether other ER strategies that modify facial expressions (i.e. expressive dissonance) have similar consequences to suppressing emotional expressions. We randomly assigned 164 women participants to use expressive dissonance and expressive suppression or to naturally express emotions, while engaging in a conversation task with a confederate. We observed intrapersonal outcomes, including electrodermal activity and self-reported affect throughout the experiment, and memory performance after. Video coders unaware of the study goals assessed the conversation on interpersonal qualities (e.g. friendliness and likeability). There were no differences between conditions on intrapersonal outcomes. Participants engaging in expressive dissonance, however, were rated more positively, and participants in the expressive suppression condition were rated more negatively on interpersonal qualities, relative to the control condition. Although neither strategy appeared to impact the participant, intrapersonally, both notably influenced the observer's impression of the participant.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».