Responsive social support to disclosures of racial discrimination: Expectations and implications for well-being.
Notice bibliographique
Résumé
OBJECTIVES: Social support helps people of color (POC) cope with stressors such as racial discrimination. Yet when POC disclose lived experiences of racism, confidants may fail to provide support that meets disclosers' emotional needs. Drawing on theories of shared reality and emotion reappraisal, we compare two emotion-focused social support approaches: validation (conveying that recipients' feelings or responses are appropriate) and reframing (seeking to reduce recipients' distress by offering a more positive perspective). METHOD: Two POC samples of Canadian young adults (35% South Asian, 32% East Asian, 9% Black, 8% Southeast Asian, 7% Middle Eastern, 2% Latino/a/e, 1% Indigenous, 6% other; 78% women, 19% men, 2% nonbinary; mean age = 19.9) recalled a lived experience of racism then were randomly assigned to imagine disclosing it to a White or same-race confidant. RESULTS: In Study 1 (N = 430), POC rated validation as more helpful than reframing and forecasted larger gaps between desired and expected support from White than same-race confidants. Study 2 (N = 651) found that (a) experiences of racism are disclosed to same-race and White confidants more often than other groups and (b) imagining a confidant's reframing (vs. validating) response led to worse overall affect, less perceived responsiveness, less racial shared reality, and more rumination. In both studies, the gap between validation and reframing on perceived support increased for experiences that participants more strongly attributed to race, especially when disclosed to White confidants. CONCLUSIONS: Implications for providing responsive emotional support for lived experiences of racism are discussed. (PsycInfo Database Record (c) 2026 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 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 | 0,001 |
| 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 | 0,002 | 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 ».