Personal likelihood and event familiarity influence the simulation of future events.
Notice bibliographique
Résumé
Episodic future thinking is the ability to project the self forward in time to preexperience a potential future event. It has been hypothesized that two components enhance simulations of future events: personal likelihood and event familiarity. Personal likelihood varies depending on the dynamics of personal goals throughout an individual's lifetime. In contrast, event familiarity varies depending on a person's accumulated schematic (also called event or semantic) knowledge about a type of event. We investigated these two components through individuals' belief in the likelihood of an event's occurrence during the next 10 years and their familiarity with a type of event. We predicted that likelihood and familiarity enhance future event simulations, making them clearer and more detailed. We used two norming studies to develop participant-specific sets of future events. In the experiment, participants simulated and described events, and they rated phenomenological aspects of their simulations. Likelihood and familiarity played individual and combined roles during future event simulation. The strongest effects were found with phenomenological ratings, with likelihood and familiarity influencing three of four measures, including interacting for other sensory details ratings. For internal details as measured using the Autobiographical Interview, likelihood influenced total details and perceptual details, and familiarity influenced total, perceptual, and time details, including their interaction for perceptual details. We conclude that event future thinking is a dynamic simulation process that uses event knowledge learned from past experience and is influenced by a person's belief of how likely an event is to occur via mental rehearsal of likely events. (PsycInfo Database Record (c) 2025 APA, all rights reserved).
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 | 0,002 | 0,039 |
| 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 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».