Subjective well-being of bicultural individuals : understanding person-culture match theory through the lens of acculturation
Notice bibliographique
Résumé
In recent years, studies have examined various factors related to person/culture match, a theory that if an individual is similar to the people from a certain cultural environment, it is associated with engagement in positive feelings (Fulmer et al., 2010). There has been extremely limited research in person/culture match and cultural fit regarding bicultural individuals and acculturation. The present research explores how subjective cultural fit, acculturative stress, and social interaction of bicultural individuals are linked to their psychological and subjective well-being using the experience sampling method. In addition, I will be exploring the unique contribution of subjective cultural fit and acculturative stress as independent predictors of well-being, and the reverse causal direction of well-being and subjective cultural fit and acculturative stress. After completing the initial survey, participants were tasked with completing three daily surveys over the span of 10 days. Bicultural participants were asked to fill out questions regarding their moment-to-moment subjective cultural fit and social interaction with Canadians and their own ethnic culture, level of acculturative stress, ratings on their positive and negative affect, life satisfaction, and psychological well-being. Overall, analyses of the results show that subjective cultural fit and social interaction with Canadian culture, and acculturative stress predict bicultural individuals’ well-being, but subjective cultural fit and social interaction with one’s own ethnic culture had no significant effect on well-being. Implications, limitations, and directions for future research are discussed. Keywords: subjective cultural fit, bicultural individuals, acculturation, well-being, culture
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».