Bibliographic record
Abstract
Cette étude vise à tester un modèle qui explique la dynamique existant entre les antécédents et les conséquences de l’expérience de loisir. Le modèle stipule que la motivation devrait avoir un impact considérable sur l’expérience de loisir. Plus précisément, il est prédit que plus une personne est autodéterminée lors de la pratique d’une activité de loisir, plus son expérience de loisir devrait être élevée. Le modèle prédit aussi que la présence de l’eau, lors d’une activité de loisir, influencera l’expérience de loisir, c’est-à-dire que l’intensité de l’expérience de loisir devrait augmenter en fonction du degré de contact avec l’eau. Finalement, il est prédit qu’une expérience de loisir intense a des effets positifs dans la vie d’un individu. Ainsi, plus l’expérience de loisir d’une personne est intense et positive, plus cette personne devrait évaluer sa forme physique et sa satisfaction de vie d’une manière positive. Les résultats seront discutés en lien avec le modèle de Tinsley et Tinsley (1986), le modèle hiérarchique de la motivation intrinsèque et extrinsèque de Vallerand (1997) et le modèle de l’infusion d’affect de Forgas (1994, 1995).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".