MétaCan
Menu
Retour à la cohorte
Enregistrement W4232502253 · doi:10.1037/e676842011-003

Humor styles and negative affect as predictors of different components of physical health

2009· dataset· en· W4232502253 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePsycEXTRA Dataset · 2009
Typedataset
Langueen
DomainePsychology
ThématiqueHumor Studies and Applications
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésAffect (linguistics)PsychologyPhysical healthPhysical activitySocial psychologyMedicineCommunicationPhysical medicine and rehabilitationMental healthPsychiatry

Résumé

récupéré en direct d'OpenAlex

The extent to which humor and negative affect each predict different components of physical health was examined by having 105 participants complete measures of four distinct humor styles, negative affect, and three indices of physical health.An increased number of physical symptoms and more negative attitudes about illness were associated with higher levels of negative affect, but were unrelated to the humor styles.Conversely, three of the humor styles significantly predicted coping strategies for physical ailments and complaints, whereas negative affect did not.Adaptive selfenhancing humor was associated with facilitative coping strategies such as changing perspective, planning, and the effective use of humor.Maladaptive aggressive humor was linked to a more dysfunctional coping pattern that included greater denial and a reduction in the ability to change perspective.These findings reinforce the need to consider more complex models of humor that explicitly address the effects of both adaptive and maladaptive humor styles across a broad range of physical health measures while also considering effects that may be attributable to other highly-relevant attributes, such as negative affect.Key Words: humor, negative

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,035
Tête enseignante GPT0,385
Écart entre enseignants0,350 · 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