Boredom proneness is predicted by difficulties in emotion regulation that are mediated by corresponding problems with attention and cognitive flexibility
Notice bibliographique
Résumé
The association between boredom proneness and elevated rates of problematic substance abuse, gambling, and smartphone use has been taken as evidence that difficulties with emotion regulation can lead to maladaptive attempts to cope with negative affect. There is minimal research on how individual differences in emotion regulation may be linked to boredom proneness. We therefore sought to identify specific aspects of emotion regulation that may be helpful for predicting boredom proneness. We hypothesized that boredom proneness may be associated with aspects of emotion regulation that are often unproductive (e.g., suppression and rumination) or that rely on effective executive functions (e.g., attention, working memory, cognitive flexibility). Undergraduate students (N = 219) completed a battery of self-report scales regarding their boredom proneness, emotion-regulation abilities, and cognitive abilities, including attention, memory and cognitive flexibility. Results indicated that difficulties in emotion regulation predicted boredom proneness and was mediated by attentional difficulties and lower levels of cognitive flexibility, but not memory failures. Individual differences in emotion-suppression and rumination were predictive of boredom proneness, but the use of distraction was not. Our results underscore the importance of specific cognitive-affective mechanisms of emotion regulation to better understand boredom proneness and its long-term consequences.
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 ».