Effects on Wellbeing of Exposure to Dog Videos Before a Stressor
Notice bibliographique
Résumé
Animal-assisted intervention (AAI) has been used as a means of stress relief in clinical and general settings; however, animals are not always allowed in certain spaces. Adapting AAI to video or virtual mediums could improve accessibility and is temporally relevant given the recent shift to online interventions. The current study explored: (1) whether an active video (dog or nature) watched before a stressor would improve wellbeing more than tranquil videos; (2) whether exposure to a dog video improves wellbeing more than a nature video; and (3) whether exposure to either a dog or nature video improves outcomes more than exposure to a control video. One hundred and seven undergraduates were randomly assigned to watch one of five videos (active dog, tranquil dog, active nature, tranquil nature, and control) for 3 minutes and then complete a 3-minute stress task. Subjective (anxiety, stress, happiness, relaxation, positive affect, and negative affect) and physiological (blood pressure and heart rate) outcomes were collected at baseline, video, stressor, and recovery time points. Results showed that the activity level of the dog in the video did not influence outcomes. However, relative to the control group, the dog-video condition showed decreases in stress from baseline to video and a smaller decrease in stress from stressor to recovery. Additionally, relative to the nature-video condition, the dog-video condition showed a slightly higher increase in happiness scores from baseline to video. Lastly, relative to the control group, the nature-video condition showed increased relaxation scores from baseline to video and a larger decrease in relaxation scores from video to stressor. This research may inform the development of alternate modes of AAIs.
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 | 0,000 | 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) | 0,000 | 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 ».