From Walks to Acts of Kindness: Exploring the Connection Between Nature Relatedness and Prosocial Behavior
Notice bibliographique
Résumé
This study examines the relationship between nature relatedness and prosocial behavior. Additionally, it addresses gaps in previous research, which are mainly correlational and inconsistently define both constructs. Nature relatedness is defined as either a trait or a state, while prosocial behavior is measured in various ways. To address these issues, this study manipulated state nature relatedness with Coughlan et al.’s (2022) guided imagery task and measured state nature relatedness (with the EINS), trait nature relatedness (with the NRQ), mood (with the PANAS), and prosocial behaviors across three measures: resource allocation (with the SVO), prosocial intent (with the PBIS), and a new Scenario-Based Prosociality Measure (SBPM). Results showed that the guided imagery task did not significantly increase state nature relatedness or affect mood. However, trait nature relatedness was positively correlated with state nature relatedness (r(156) = .45, p < .001), prosocial intent (ρ = .36, p < .001), scenario-based prosociality (ρ = .34, p < .001) and resource allocation (ρ = .16, p = .05). The new Scenario-Based Prosociality Measure (SBPM) demonstrated acceptable internal consistency (α = .69) and it was more strongly correlated with prosocial intent (ρ = .65, p < .001) than with resource allocation (ρ = .20, p = .01). These findings highlight trait nature relatedness’s stability and the need for more effective state nature relatedness manipulations.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».