MétaCan
Menu
Retour à la cohorte
Enregistrement W4383820160 · doi:10.1007/s42761-023-00197-y

Framing Subjective Emotion Reports as Dynamic Affective Decisions

2023· review· en· W4383820160 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAffective Science · 2023
Typereview
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of TorontoNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésFraming (construction)PsychologyAffective scienceLeverage (statistics)Experience sampling methodCognitive psychologySocial psychologyReciprocalFraming effectEmotion classificationComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Self-reports remain affective science's only direct measure of subjective affective experiences. Yet, little research has sought to understand the psychological process that transforms subjective experience into self-reports. Here, we propose that by framing these self-reports as dynamic affective decisions, affective scientists may leverage the computational tools of decision-making research, sequential sampling models specifically, to better disentangle affective experience from the noisy decision processes that constitute self-report. We further outline how such an approach could help affective scientists better probe the specific mechanisms that underlie important moderators of affective experience (e.g., contextual differences, individual differences, and emotion regulation) and discuss how adopting this decision-making framework could generate insight into affective processes more broadly and facilitate reciprocal collaborations between affective and decision scientists towards a more comprehensive and integrative psychological science.

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 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)0,006
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,006

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 Opus0,153
Tête enseignante GPT0,550
Écart entre enseignants0,397 · 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