The emotion-valuation constellation: multiple emotions are governed by a common grammar of social valuation
Notice bibliographique
Résumé
Social emotions are hypothesized to be adaptations designed by selection to solve adaptiveproblems pertaining to social valuation—the disposition to attend to, associate with, and aid atarget individual based on her probable contributions to the fitness of the valuer. To steerbetween effectiveness and economy, social emotions need to activate in precise proportion to the local evaluations of the various acts and characteristics that dictate the social value of self and others. Supporting this hypothesis, experiments conducted in the United States and India indicate that five different social emotions all track a common set of valuations. The extent to which people value each of 25 positive characteristics in others predicts the intensities of: pride (if you had those characteristics), anger (if someone failed to acknowledge that you have thosecharacteristics), gratitude (if someone convinced others that you have those characteristics), guilt (if you harmed someone who has those characteristics), and sadness (if someone died who had those characteristics). The five emotions track local valuations (mean r = +.72) and even foreign valuations (mean r = +.70). In addition, cultural differences in emotion are patterned: They follow cultural differences in valuation. These findings suggest that multiple social emotions are governed (in part) by a common architecture of social valuation, that the valuation architecture operates with a substantial degree of universality in its content, and that a unified theoretical framework may explain cross-cultural invariances and cultural differences in emotion.
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 | 0,001 | 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 | 0,000 | 0,000 |
| 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 ».