MétaCan
Menu
← Retour à la cohorte
Enregistrement W4283366447 · doi:10.31234/osf.io/3zex9

Goal Disengagement in Everyday Life: Longitudinal Observation of New Year’s Resolutions

2022· preprint· en· W4283366447 sur OpenAlexaboutno aff
Hannah Moshontz, Rick H. Hoyle

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug AbuseNational Institutes of Health
Mots-clésDisengagement theoryGoal pursuitPsychologyContext (archaeology)Quarter (Canadian coin)Social psychologyEveryday lifePersistence (discontinuity)TraitCognitive psychologyDevelopmental psychologyPolitical scienceGerontologyMedicineHistory

Résumé

récupéré en direct d'OpenAlex

Goal disengagement has been well studied in contexts where giving up is generally adaptive, and understudied in more ordinary situations. 1,201 American adults described up to five New Year’s resolutions and reported on their goal pursuit after six months and one year. Explicit goal disengagement was very rare and occurred in less than 7% of goals at six months and one year. More often, people took breaks and discontinued pursuit (e.g., simply devoting no effort and commitment to the goal, not often or recently working on the goal). People did not often make a deliberate decision to quit, but for nearly one quarter of goals, people thought about it. People who scored higher in a measure of self-regulatory skill (Trait Self-Control) tended to discontinue pursuit less often. There was not evidence that when they did, they felt better about it than their less-skilled counterparts. This research documents phenomena that fall between quitting and persistence. In doing so, it highlights the value of studying goal phenomena in everyday contexts, and the need for theoretical and empirical work that clarifies the defining qualities and processes of goal disengagement and adjacent phenomena as they occur in the context of people’s genuinely held goals.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,065
Tête enseignante GPT0,279
Écart entre enseignants0,214 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetJob Satisfaction and Organizational Behavior→Travaux en français237 207→