A three-dimensional taxonomy of achievement emotions.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We present a three-dimensional taxonomy of achievement emotions that considers valence, arousal, and object focus as core features of these emotions. By distinguishing between positive and negative emotions (valence), activating and deactivating emotions (arousal), and activity emotions, prospective outcome emotions, and retrospective outcome emotions (object focus), the taxonomy has a 2 × 2 × 3 structure representing 12 groups of achievement emotions. In four studies across different countries (N = 330, 235, 323, and 269 participants in Canada, the United States, Germany, and the U.K., respectively), we investigated the empirical robustness of the taxonomy in educational (Studies 1-3) and work settings (Study 4). An expanded version of the Achievement Emotions Questionnaire was used to assess 12 key emotions representing the taxonomy. Consistently across the four studies, findings from multilevel facet analysis and structural equation modeling documented the importance of the three dimensions for explaining achievement emotions. In addition, based on hypotheses about relations with external variables, the findings show clear links of the emotions with important antecedents and outcomes. The Big Five personality traits, appraisals of control and value, and context perceptions were predictors of the emotions. The 12 emotions, in turn, were related to participants' use of strategies, cognitive performance, and self-reported health problems. Taken together, the findings provide robust evidence for the unique positions of different achievement emotions in the proposed taxonomy, as well as unique patterns of relations with external variables. Directions for future research and implications for policy and practice are discussed. (PsycInfo Database Record (c) 2022 APA, all rights reserved).
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.
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) | 0,004 | 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 découle