MétaCan
Menu
Retour à la cohorte
Enregistrement W4323293901 · doi:10.1080/02699931.2023.2184775

Fear and anxiety differ in construal level and scope

2023· article· en· W4323293901 sur OpenAlexfundno aff
Lewend Mayiwar, Fredrik Björklund

Notice bibliographique

RevueCognition & Emotion · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueCultural Differences and Values
Établissements canadiensnon disponible
Organismes subventionnairesYork University
Mots-clésConstrual level theoryPsychologyScope (computer science)AnxietyPerspective (graphical)ExpansiveRecallSocial psychologyCognitive psychologyCognition

Résumé

récupéré en direct d'OpenAlex

The fear-anxiety distinction has been extensively discussed and debated among emotion researchers. In this study, we tested this distinction from a social-cognitive perspective. Drawing on construal level theory and regulatory scope theory, we examined whether fear and anxiety differ in their underlying level of construal and scope. Results from a preregistered autobiographical recall study (N = 200) that concerned either a fear situation or an anxiety situation and a large dataset from Twitter (N = 104,949) indicated that anxiety was associated with a higher level of construal and a more expansive scope than fear. These findings support the notion that emotions serve as mental tools that deal with different challenges. While fear prompts people to seek immediate solutions to concrete threats in the here and now (contractive scope), anxiety prompts them to deal with distant and unknown threats that require more expansive and flexible solutions (expansive scope). Our study contributes to a growing literature on emotions and construal level and points to interesting avenues for further research.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,642
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

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

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 Opus0,160
Tête enseignante GPT0,367
Écart entre enseignants0,207 · 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.

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

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCognition & EmotionMême sujetCultural Differences and ValuesTravaux en français237 207