Positive event diversity: Relationship with personality and well‐being
Notice bibliographique
Résumé
OBJECTIVE: Examining the personality and well-being correlates of positive event diversity. BACKGROUND: Past research has highlighted that personality traits are linked to the frequency of daily positive events. This study is the first to examine positive event diversity, the extent to which positive events are spread across multiple types of positive life domains, as well as its personality and well-being correlates. METHOD: We conducted parallel analyses of three daily diary datasets (Ns = 1919, 744, and 1392) that included evening assessment of daily positive events and affective well-being. The Big Five personality traits were assessed in baseline surveys. RESULTS: Positive Event Diversity was related to higher person-mean daily positive affect but not negative affect. Higher Extraversion, Agreeableness, Openness, and lower Neuroticism were correlated with more positive event diversity. These associations became nonsignificant when controlling for positive event frequency. Positive event frequency moderated the link between positive event diversity and person-mean affect, such that higher positive event diversity was associated with higher negative and lower positive affect for people who experienced more frequent positive events. CONCLUSIONS: No consistent evidence was found for personality as a moderator of the positive event diversity-well-being link across the three studies. Further, the well-being implications of positive event diversity may be better understood when interpreting them alongside indexes of positive event frequency.
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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».