Self-positivity bias: A comprehensive examination of the ERP and behavioral substrates of self- and other-referential processing in early adolescence
Notice bibliographique
Résumé
Self-referential information, especially when positive in valence, is uniquely salient and preferentially processed even in children. This "self-positivity" bias is critical for adaptive socioemotional development and protects against the emergence of psychopathology. Early adolescence is a critical period of rapid maturation in self-cognition and brain functions; however, it remains unclear how the early adolescence brain mediates the self-positivity bias in information processing. Ninety-two 10- to 14-year-old community-dwelling early adolescents completed an EEG version of the Self-Referent Encoding Task (SRET) consisting of a self-referential and an other-referential condition, following which they were unexpectedly asked to complete a recognition task of the presented words. A data-driven principal component analysis isolated five SRET-elicited ERPs: P1, P2, N400, and anterior and posterior late positive potential (aLPP, pLPP). Two-way ANOVAs (Referent × Valence) demonstrated a "self-positivity" bias in recognition, memory sensitivity, and the aLPP: youths showed better recognition, higher memory sensitivity, an enhanced aLPP for Self-Positive versus Self-Negative words, whereas no such differences were found between Other-Positive and Other-negative words. We provided novel, robust evidence on a self-positivity bias that uniquely favored Self-Positive words across different behavioral and ERP metrics of the SRET in youths. These findings contribute to our mechanistic knowledge of how early adolescents process self-referential information and inform future studies on the role of self-referential processing in socioemotional development.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».