“I did not expect that from you!”: Unforgiveness dimensions, attachment insecurities, and relationship under‐commitment following a relational transgression
Notice bibliographique
Résumé
Abstract After experiencing a relational transgression, individuals may not forgive their partner. However, unforgiveness may prove detrimental to relationship functioning for both partners, and even more so when combined with individual and relational risk factors. This study examined the associations between unforgiveness dimensions (cognitive‐evaluative, emotional‐ruminative, and offender reconstrual) and relationship under‐commitment in couples who experienced a relational transgression, and the moderating roles of attachment insecurities (attachment anxiety and avoidance) and the sample type (community vs. clinical) in these associations. The sample included 114 couples (42 from the community and 72 seeking relationship therapy); both partners completed online questionnaires. Path analyses revealed associations between the cognitive‐evaluative and offender reconstrual dimensions, and higher under‐commitment in offended partners. The association between offender reconstrual and under‐commitment was only present when offended partners exhibited low to moderate levels of attachment anxiety. The emotional‐ruminative dimension was associated with under‐commitment in both partners, but only when offended partners reported low levels of attachment avoidance. No moderation effect was found for the sample type. This study enhances understanding of post‐transgression unforgiveness and unravels some individual characteristics that are likely to affect how it relates to both partners' under‐commitment.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».