What types of gratitude expressions promote prosocial behavior?: A registered report
Notice bibliographique
Résumé
Prosociality confers benefits to those who engage in the behavior, as well as those who receive it. So, how can prosociality, especially repeated acts of giving, be encouraged? Past research shows that receiving an expression of gratitude can promote prosocial behavior. However, existing work has focused on the benefits of receiving gratitude in comparison to receiving nothing, thereby leaving the content of gratitude expressions unexamined. Drawing upon past research demonstrating the benefits of identity-relevant appeals, we compare how two different gratitude expressions – one that references an individual's kind personality (i.e., prosocial character ) and another that references an individual's kind actions (i.e., prosocial action ) – impact future prosocial behavior in comparison to each other and to a no-gratitude control condition using two high-powered pre-registered studies. In both studies, participants (603 undergraduate students in Experiment 1; 876 online adult sample in Experiment 2) engaged in a prosocial task and were then randomly assigned to receive one of two gratitude expressions or a no-gratitude control condition. Afterwards, participants had the opportunity to help again. Comparing helping rates across conditions we found no significant differences among helping behavior in Experiment 1. However, in Experiment 2, results indicated that individuals who received an expression of gratitude, regardless of content, donated more than individuals that solely received an acknowledgement of their help. We interpret these findings as mixed support for gratitude's function as a moral reinforcer and consider why gratitude expressions referencing an individual's generous character vs. action may have had little impact.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».