MétaCan
Menu
Retour à la cohorte
Enregistrement W4250200930 · doi:10.32920/ryerson.14653227

Exposure to violent and prosocial video games: effects on hostile attribution bias, aggression, aggressive driving tendencies, and empathy

2021· preprint· en· W4250200930 sur OpenAlexaff
Jason A. Middleton

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineArts and Humanities
ThématiqueMedia Influence and Health
Établissements canadiensToronto Metropolitan UniversityYork University
Organismes subventionnairesnon disponible
Mots-clésProsocial behaviorAggressionEmpathyPsychologyAttribution biasAttributionSocial psychologyVideo gameMultimediaComputer science

Résumé

récupéré en direct d'OpenAlex

The present study aimed to investigate the possible relation between reported video game play (i.e., violent, aggressive driving, and prosocial types) and four outcomes of social behaviour: hostile attribution bias, aggression, aggressive driving tendencies, and empathy. A sample of 136 university students (67 males and 69 females), age 17 to 58 (M = 20.66), completed various self-report measures. Data were analyzed both in terms of the whole sample and separately according to participant sex. The results provide partial evidence that there are links between violent games and aggressive attitudes (i.e., physical, but not relational, aggression); aggressive driving games and aggressive driving tendencies/punitive attitudes toward a convicted driver; violent games and hostile attribution bias; and violent games and lower empathy ratings. No support was found for the link between prosocial games and higher empathy. Future research directions for research on video games effects are outlined.

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 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)0,001
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,374
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,038
Tête enseignante GPT0,277
Écart entre enseignants0,239 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMedia Influence and HealthTravaux en français237 207