MétaCan
Menu
Retour à la cohorte
Enregistrement W7020301670

Longitudinal Relations Between Hypercompetitiveness, Jealousy, and Aggression Across Adolescence

2021· article· en· W7020301670 sur OpenAlexaboutno aff

Notice bibliographique

RevueHuman Biology · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueEvolutionary Psychology and Human Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJealousyAggressionLongitudinal studyPoison controlInjury preventionHuman factors and ergonomicsCompetition (biology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Numerous studies consider competition and jealousy within an evolutionary framework, yet less is known about the relation between aggression vis-à-vis hypercompetitiveness (i.e., competing to win) and jealousy. We investigated the longitudinal relations between hypercompetitiveness, jealousy, and aggression and the moderating role of gender in a sample of 615 Canadian adolescents assessed annually from Grade 7 through Grade 12 using self-reports. A developmental cascade model accounting for within-time correlations, across-time stability, and cross-lag paths was used to analyze the data. Results indicated hypercompetitiveness was positively associated with aggression across several time points (Grades 7→8, Grades 8→9, and Grades 9→10) and was associated with increased jealousy in Grades 11 and 12. Indirect aggression in Grade 12 was positively associated with higher levels of jealousy in Grade 11. Few gender differences were noted. The study provides evidence for a developmental model in which hypercompetitive and jealous youth become more aggressive over time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,403
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman BiologyMême sujetEvolutionary Psychology and Human BehaviorTravaux en français237 207