Effortful leisure is a source of meaning in everyday life
Notice bibliographique
Résumé
People derive much purpose from their work, yet time spent on work is decreasing. Here, we ask if effortful leisure is a powerful source of meaning and purpose that could supplement the reduction in labor time. In five studies (N = 2569), we investigated the relationship between effort and meaning in leisure activities. In Study 1 (N = 1145), we found that participants rated effortful activities as more meaningful, although less enjoyable, suggesting a trade-off between eudaimonic and hedonic wellbeing. Studies 2a (N = 375), 2b (N = 389), and 3 (N = 400) provided causal evidence by comparing effortful (Sudoku puzzling) and non-effortful leisure (watching videos in Studies 2a and 2b; Click-to-Reveal game in Study 3). Effortful activities consistently felt more meaningful, though the effects plateaued at higher levels of effort. Finally, Study 4 (N = 260) used experience sampling to assess activities as they occurred in real life. Effortful leisure fostered meaning while maintaining enjoyment, whereas other activities tended to feel less enjoyable with increased effort. Across all studies, we found that effort promotes meaningful experiences, particularly in leisure contexts, where effort does not diminish enjoyment. Effortful leisure may offer a powerful opportunity to supplement or replace the once plentiful purpose we derived from our now diminishing time at work.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».