Individual differences in self- and value-based reward processing
Notice bibliographique
Résumé
Self- and value-based reward processing were investigated from an individual difference perspective. Participants learnt to associate geometric shapes with three identities (self, friend, stranger) on one occasion and three values (e.g., high, medium, low monetary value) on another occasion. Participants then carried out a perceptual matching task of judging whether shape-label pairings matched (e.g., triangle-self or circle-£16). This personal matching task was followed by a self-report measure concerning personal distance from others. Both self-identification and high value-associations led to better task performance (faster responses with higher perceptual sensitivity) in the matching tasks. Correlations between self- and high value-based reward biases varied as a function of participant ratings of personal distance between themselves and others. For individuals who rated with a large personal distance, there were no correlations between the self- and reward-biases. In contrast, self- and reward-biases did correlate for individuals who rated a close personal distance between themselves and others. These conclusions were supported by cluster analyses, which showed either distinct or common similarity structures for matching, based on personal and value relevance, corresponding to individuals’ self-rating of a large or close distance to others. The data suggest an intertwining model of self-value at the individual level. This model has significant implications for understanding emotion regulation in relation to self and reward interactions and may be relevant for advancing our understanding self in relation to normal and psychopathological processes.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».