Bibliographic record
Abstract
Les auteurs et auteures de l’ouvrage collectif Du percept à la décision : intégration de la cognition, l’émotion et la motivation s’entendent sur une position qui traverse l’ensemble des propos : cognition et émotion s’inter-influencent particulièrement dans le processus de prise de décision. Cette position est élaborée à travers une grande diversité de contextes comme l’orientation scolaire, la santé au travail, la peur des requins, le vieillissement, la situation d’examen, l’accompagnement d’un changement, etc. Elle est également précisée en utilisant des concepts variés associés aux émotions : par exemple, le partage social des émotions, le capital émotionnel, la compétence émotionnelle ou affective, l’intelligence émotionnelle, la modulation motivationnelle, les traces émotionnelles, etc. Dans l’introduction du présent ouvrage, Naceur souligne que les processus impliqués dans l’interaction entre les émotions et les activités cognitives ont donné lieu à de nombreuses recherches (De Bonis, 1998 ; Lazarus, 1984 ; Mandler, 1992 ; Schachter, 1964 ; Scherer, 2000). Selon lui, ces interactions sont souvent soulignées mais rarement étudiées. Il considère que tout modèle qui ne prend pas réellement en compte des processus émotionnels et motivationnels associés aux activités cognitives, demeure obsolète et ne parvient pas à atteindre la validité scientifique (Naceur, 2002 ; Naceur et Schiefele, 2005 ; Naceur et Masmoudi, 2008, cités dans Naceur, introduction). Il propose d’explorer davantage des théories cognitives de l’émotion et le présent ouvrage collectif en est un exemple. C’est en tenant compte de cette diversité complexe et complémentaire qu’un essai de conclusion est proposé. Cette conclusion vise d’abord à mettre en relation quelques propos, idées, propositions, théories, concepts, etc., utilisés pour que des perspectives associées à l’influence de la dimension affective sur le processus de prise de décision dans une perspective métacognitive, en découlent ensuite.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.041 | 0.008 |
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".