MétaCan
Menu
Retour à la cohorte
Enregistrement W4284977066 · doi:10.1177/13591053211017207

Contrasting compulsive behaviour: Computerized text analysis of compulsion narratives

2022· article· en· W4284977066 sur OpenAlexaff
Caitlin Ferreira, Joey Lam, Leyland Pitt, Albert Caruana, Terrence Brown

Notice bibliographique

RevueJournal of Health Psychology · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueSexuality, Behavior, and Technology
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésNarrativePsychologyImpulse (physics)Impulse controlMental healthCompulsive behaviorTone (literature)Social psychologyClinical psychologyPsychotherapistLiteratureArt

Résumé

récupéré en direct d'OpenAlex

Those who gamble compulsively, and those who shop or buy in a compulsive manner share a number of common characteristics, stemming from similar impulse-control issues. As such, it is predicted that a lexical analysis of personal narratives of compulsion would share similarities. Using secondary data from an online mental health forum, Psychforums, the research analyzed narratives of compulsive gambling ( n = 199) and compulsive buying ( n = 196) using the automated text analysis tool, LIWC. The results indicated that compulsive buying narratives rated significantly higher in clout and emotional tone and significantly lower in authenticity, with no significant differences noted in analytical thinking between the two compulsion narratives. Recommendations for future research include that demographic variables be incorporated and that narratives sourced from different online platforms should be contrasted.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,226
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,065
Tête enseignante GPT0,439
Écart entre enseignants0,374 · 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'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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health PsychologyMême sujetSexuality, Behavior, and TechnologyTravaux en français237 207