The distribution of optimism across sociodemographic groups in 22 countries
Notice bibliographique
Résumé
Prior research (mainly from Western industrialized countries) documents associations between greater dispositional optimism (a generalized expectation that good things will happen) and improved health and well-being. However, less is known about whether and how levels of optimism differ across countries and across sociodemographic groups within different countries. This study presents a cross-national exploration of optimism, and its variations across sociodemographic groups. Using a sample of 202,898 adults from 22 diverse countries, we examined the relationships between optimism and key sociodemographic factors in each country separately, and cross-nationally by pooling results across countries using meta-analytic techniques. Our results suggest that mean optimism levels vary substantially across countries. Optimism also varies significantly across most of the sociodemographic factors included in our analyses. In the pooled results across countries, individuals who are older, female, married, employed, highly educated, attending religious services frequently, and native-born reported higher mean optimism levels. In the country-specific analyses, the sociodemographic variation in optimism differs across countries, indicating diverse societal influences. The findings of this study provide novel insights into the population distribution of optimism and disparities in optimism by sociodemographic groups across countries. This study provides a valuable foundation for future investigations into sociocultural influences that shape optimism.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».