MétaCan
Menu
Retour à la cohorte
Enregistrement W4404025066 · doi:10.22215/cujs.v3i1.4841

Impacts of Direct and Indirect Experiences of Climate Change on Life Satisfaction

2024· article· en· W4404025066 sur OpenAlexaff
Kavita Nannar, Stefania Maggi

Notice bibliographique

RevueCarleton undergraduate journal of science. · 2024
Typearticle
Langueen
DomainePsychology
ThématiquePsychological and Temporal Perspectives Research
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésClimate changeLife satisfactionPsychologyEnvironmental scienceNatural resource economicsSocial psychologyEconomicsGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

The ongoing climate change crisis has significant effects on young people’s wellbeing. While existing literature highlights its impact on various dimensions of wellbeing, the relationship between climate change and life satisfaction is not well understood due to limited research in this area. To address this gap, we investigated whether university students who had personally or vicariously experienced climate-related events reported lower life satisfaction compared to students who had not experienced climate related events. Contrary to what was anticipated, our multiple regression analysis of data from 919 first- and second-year Carleton University students revealed that neither direct nor indirect climate change experiences predicted life satisfaction. We speculate that participants’ evaluations of life satisfaction may not solely rely on discrete moments but also consider factors beyond their control, such as extreme weather events. These findings underscore the need to explore how climate change affects personal wellbeing among younger populations.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,730
Score d'incertitude au seuil0,557

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,388
Écart entre enseignants0,315 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCarleton undergraduate journal of science.Même sujetPsychological and Temporal Perspectives ResearchTravaux en français237 207