Development and validation of a computer program for measuring emotional awareness in German—The geLEAS (German electronic Levels of Emotional Awareness Scale)
Notice bibliographique
Résumé
Introduction Emotional awareness is the ability to identify, interpret, and verbalize the emotional responses of oneself and those of others. The Levels of Emotional Awareness Scale (LEAS) is an objective performance inventory that accurately measures an individual's emotional awareness. LEAS assessments are typically scored manually and are therefore both time consuming and cognitively demanding. This study presents a German electronic scoring program for the LEAS (geLEAS), the first non-English computerized assessment approach of the LEAS. Methods Data were collected from a healthy German community sample ( N = 208). We developed a modern software for computerizing LEAS scoring, an open-source text-based emotion assessment tool called VETA (Verbal Emotion in Text Assessment). We investigated if the software would arrive at similar results as hand scoring in German and if emotional awareness would show similar associations to sociodemographic information and psychometric test results as in previous studies. Results The most frequently used scoring method of the geLEAS shows excellent internal consistency (α = 0.94) and high correlations with hand scoring ( r = 0.97, p < 0.001). Higher emotional awareness measured by the geLEAS is associated with female gender, older age, and higher academic achievement (all p < 0.001). Moreover, it is linked to the ability to identify emotions in facial expressions ( p < 0.001) and more accurate theory of mind functioning ( p < 0.001). Discussion An automated method for evaluating emotional awareness greatly expands the ability to study emotional awareness in clinical care and research. This study aims to advance the use of emotional awareness as a clinical and scientific parameter.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».