Boredom as information processing: How revisiting ideas from Orin Klapp (1986) inform the psychology of boredom
Notice bibliographique
Résumé
Almost forty years ago, sociologist Orin Klapp penned a treatise on boredom couched in terms of information processing. His essential claim was that boredom would arise at both low and high rates of information change. At the low end, there was too much redundancy and monotony, with any new piece of information failing to add meaning to what was already known. At the high end, noisy and chaotic barrages of information preclude meaning making and result in boredom. In essence, this can be seen as a drive to find a Goldilocks’ zone of information processing. While this theory of boredom is intriguing and clearly fits within other meaning-based accounts of the experience, there has been little direct experimental testing of the idea. This piece first characterizes Klapp’s theory before presenting what evidence there is that boredom arises at both high and low ends of various domains related to information processing (e.g., difficulty, challenge). Next, we discuss recent computational accounts that suggest a similar role for boredom in optimally processing information. We end with a call for more research to test Klapp’s model of boredom.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,037 |
| Communication savante | 0,011 | 0,024 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».