MétaCan
Menu
Retour à la cohorte
Enregistrement W4380879265 · doi:10.31234/osf.io/pn5ba

Context matters: Need frustration predicts self-critical perfectionism within domains and over time

2023· preprint· en· W4380879265 sur OpenAlexaff
Kaitlyn M. Werner, Marina Milyavskaya, Chenyu Wang, Shelby L. Levine, Richard Koestner

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiquePerfectionism, Procrastination, Anxiety Studies
Établissements canadiensMcGill UniversityCarleton UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsychologyFrustrationAutonomyPsychological interventionSelf-determination theoryPerfectionism (psychology)Social psychologyContext (archaeology)Competence (human resources)Mental healthLife satisfactionPsychotherapist

Résumé

récupéré en direct d'OpenAlex

Research suggests that perfectionism can vary across contexts, but what explains this variation? Across two studies (total N=783), we examined whether frustration or satisfaction of a person’s basic psychological needs (for autonomy, competence, and relatedness) predicts perfectionism within domains (Study 1) and over time (Study 2). Consistent with our hypothesis, people tended to be more self-critical in domains where their needs were frustrated. Further, being in a context where needs are frustrated tended to exacerbate self-critical perfectionism over time. Exploratory analyses provided mixed evidence for the association between need satisfaction and personal standards. Notably, however, being in a context where needs are satisfied decreased self-critical perfectionistic tendencies over time. By better understanding when people are likely to exhibit maladaptive perfectionistic tendencies that undermine mental health and well-being, researchers can develop targeted interventions focusing on creating need supportive environments and/or helping people adaptively cope in situations where their needs are frustrated.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,026
Tête enseignante GPT0,314
Écart entre enseignants0,288 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPerfectionism, Procrastination, Anxiety StudiesTravaux en français237 207