A rank ordering and analysis of four cognitive-behavioral stress-management competencies suggests that proactive stress management is especially valuable
Notice bibliographique
Résumé
The main objective of this study was to determine the relative value of four cognitive-behavioral competencies that have been shown in empirical studies to be associated with effective stress management. Based on a review of relevant psychological literature, we named the competencies as follows: Manages or Reduces Sources of Stress, Manages Thoughts, Plans and Prevents, and Practices Relaxation Techniques. We measured their relative value by examining data obtained from a diverse convenience sample of 18,895 English-speaking participants in 125 countries (65.0% from the U.S. and Canada) who completed a new inventory of stress-management competencies. We assessed their relative value by employing a concurrent study design, which also allowed us to assess the validity of the new instrument. Regression analyses were used to rank order the four competencies according to how well they predicted desirable outcomes. Both regression and factor analyses pointed to the importance of proactive stress-management practices over reactive methods, but we note that the correlational design of our study has no implications for the possible causal effects of these methods. Questionnaire scores were strongly associated with self-reported happiness and also significantly associated with personal success, professional success, and general level of stress. Data were collected between 2007 and 2022, but we found no effect for time. The study supports the value of stress-management training, and it also suggests that moderate levels of stress may not be as beneficial as previously thought.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».