A narrative review of the consistency, rigor and generalizability of experiments on prosocial behaviors and happiness
Notice bibliographique
Résumé
Past experimental research shows that prosocial behavior promotes happiness. But do past findings hold up to current standards of consistent, rigorous, and generalizable evidence? In this review, we considered the evidentiary value of past experiments examining the happiness (i.e., subjective well-being; SWB) benefits of prosocial action, such as spending money on others or acts of kindness, in non-clinical samples. Specifically, we examined: (1) how consistent findings are across meta-analyses, (2) the conclusions of pre-registered, well-powered experiments, and (3) if the SWB benefits of prosociality are detectable beyond WEIRD (White-Western, Educated, Industrialized, Rich, Democratic) samples. Across the two meta-analyses we found, prosocial behavior led to a small consistent increase in happiness, yet estimates were based primarily on underpowered and WEIRD samples. We identified a growing number of pre-registered experiments (19/71 conducted to date), in which: (1) roughly half were well-powered; (2) only two recruited non-WEIRD samples, both underpowered and collectively showing mixed results; and (3) most examined prosocial spending (79%) over other prosocial behaviors, with happiness gains observed most consistently in well-powered studies on prosocial spending. Finally, we found that just 19% of all experiments recruited non-WEIRD samples, most of which were underpowered and presented mixed results, with acts of prosocial spending demonstrating the most consistent evidence of happiness benefits. We join other researchers in urging for more well-powered pre-registered experiments examining various prosocial behaviors, particularly with Global Majority samples, to ensure that our understanding of the SWB benefits of prosociality are firmly grounded in solid and inclusive evidence.
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 | 0,051 | 0,240 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».