Prosocial reactions to traumatic experiences
Notice bibliographique
Résumé
When will people empathize with and help others? The goal of this research was to determine whether a prosocial orientation results from experiencing trauma. Recent research suggests there may be positive consequences to suffering. Under certain conditions, such as when people experience post-traumatic growth, past suffering can lead to personal benefits. Building on this body of research, one aim of this thesis was to investigate the impact of subjective traumatic suffering and psychological distress on post-traumatic growth and empathy. The second aim of this research was to examine whether objective trauma severity predicts post-traumatic growth. Finally, the third aim of this research was to examine the relationship between post-traumatic growth and empathy and the simultaneous impact of these variables on a prosocial orientation. Study 1 assessed these aforementioned relationships and Study 2 included a manipulation of post-traumatic growth and a behavioural outcome measure of prosocial behaviour. Structural equation models for Study 1 and 2 indicated that subjective traumatic suffering and objective trauma severity positively predicted post-traumatic growth, and post-traumatic growth positively predicted empathy. In turn, empathy positively predicted several prosocial outcomes. Thus, empathy mediated the link between post-traumatic growth and a prosocial orientation. In contrast to subjective traumatic suffering, psychological distress was unrelated to post-traumatic growth and negatively predicted empathy. Study 2 further indicated that focusing on one’s growth in regards to trauma resulted in greater post-traumatic growth scores, but the manipulation had no direct impact on empathy or a prosocial orientation. The current findings have important social and clinical implications.
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) | 0,001 | 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 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 ».