Grand manuel de psychologie positive
Bibliographic record
Abstract
La psychologie positive consiste à l’étude scientifique des facteurs qui mène au bien-être, soit au fonctionnement optimal d’une personne. On remarque toutefois une absence de consensus sur la définition du bien-être. Or, afin de pouvoir le favoriser, il faut pouvoir le définir. Historiquement, le bien-être a été réduit soit à un état de plaisir, soit à une quête de sens à la vie. Les théories contemporaines proposent quant à elle que le bien-être soit un phénomène multidimensionnel caractérisé par les aspects adaptatifs du fonctionnement d’une personne. Toutefois, elles ne s’entendent pas sur les aspects ou dimensions du fonctionnement devant être considérés et se concentrent plus étroitement sur le fonctionnement psychologique. La perspective du « fonctionnement optimal en société » (FOS) propose qu’une personne fonctionne de façon optimale lorsqu’elle présente un haut niveau de bien-être psychologique, social, et physique, qu’elle est performante dans son domaine d’activité principale et qu’elle contribue à la société. Les dimensions du FOS s’avèrent promues par un engagement soutenu dans diverses activités accomplies avec une passion harmonieuse, un prédicteur connu du bien-être. Les recherches réalisées à ce jour sur la passion et le FOS soutiennent cette perspective.
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 | 0.005 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.004 | 0.020 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.005 | 0.011 |
| Insufficient payload (model declined to judge) | 0.027 | 0.005 |
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".