Running on the Hedonic Treadmill: A Dynamical Model of Happiness Based on an Approach–Avoidance Framework
Notice bibliographique
Résumé
Describing the dynamical nature of happiness is crucial for understanding why individuals are constantly running on a hedonic treadmill around set levels of well-being. Based on the self-centeredness branch of the ’self-centeredness/selflessness happiness model’, we present a dynamical model that focuses on unfolding the hedonic dimension of happiness dynamics through the use of the approach–avoidance framework. This numerical model enables us to understand and analyze emerging hedonic cycles caused by hedonic motivation and hedonic adaptation. In particular, hedonic motivation leads people to experience hedonic activities, which result in successes or failures and experiences of pleasure and afflictive affects; whereas hedonic adaptation causes individuals to return to a baseline level of pleasure and afflictive affects, more quickly for the former than the latter. The proposed dynamical model is based on the approach–avoidance framework that considers human behavior in two separate regulatory processes that contribute to homeostasis of individuals’ happiness. We analyze these two processes independently and conjointly in order to highlight their effect on happiness levels. The analysis shows how individual characteristics and their combination may result in hedonic cycles, afflictive affects, (dis-)pleasure, and particular happiness dynamics. We also discuss how such a numerical model enables us to perform a multifactorial analysis which is hardly feasible outside the context of a simulation and how it may help us to narrow and design relevant experimental surveys from these preliminary numerical results.
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) | 0,001 | 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) | 0,000 | 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 ».