• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 3
  • Tagged with
  • 4
  • 4
  • 2
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Do Affective Dynamic Features Predict Job Performance?

Stuti Thapa Magar (9183089) 29 July 2020 (has links)
<p>The affective revolution in the organizational sciences, along with methodological advances in experience sampling, has led to a greater theoretical interest in the temporal dynamics of affect (e.g., variability, inertia, instability). Related research in health and personality psychology suggests that temporal parameters of affect are predictive of well-being. However, despite the theoretical and methodological appeal, recent work suggests that affective dynamic features are not predictive of broad well-being outcomes beyond the mean level. Given the practical and methodological costs of examining affective dynamic features in organizational research, I seek to determine (a) the predictive validity of these different types of dynamic features on job performance (task performance, organizational citizenship behavior [OCB], and counterproductive work behavior [CWB]); and (b) the incremental value of dynamic features over mean levels of affect. To do so, I assess three key temporal parameters of affect (variability, inertia, instability) from daily diary assessments of affect from 597 workers (mean days = 51, total assessments = 30,565), looking at both weekly and overall levels. The findings suggest that affective dynamic features measured at the overall level were predictive of within-person variability in task performance and counterproductive work behavior (as well as mean CWB), even after controlling for the mean. Therefore, empirical and theoretical looks at affective dynamic features of employees may inform our understanding of their short-term performance variability. </p>
2

MEI: Multimodal Emotional Intelligence / MEI: マルチモーダル・エモーショナル・インテリジェンス

Angelica, Lim 24 March 2014 (has links)
京都大学 / 0048 / 新制・課程博士 / 博士(情報学) / 甲第18410号 / 情博第525号 / 新制||情||93(附属図書館) / 31268 / 京都大学大学院情報学研究科知能情報学専攻 / (主査)教授 奥乃 博, 教授 西田 豊明, 教授 石田 亨, 講師 吉井 和佳 / 学位規則第4条第1項該当 / Doctor of Informatics / Kyoto University / DGAM
3

Dynamics of Positive Emotion Regulation: Associations with Youth Depressive Symptoms

Fussner, Lauren M. 15 July 2013 (has links)
No description available.
4

Temporal Emotion Dynamics in Social Networks

Naskar, Debashis 21 February 2022 (has links)
[ES] El análisis de sentimientos en redes sociales se ha estudiado ampliamente durante la última década. A pesar de ello, las distintas categorías de sentimientos no se consideran adecuadamente en muchos casos, y el estudio de patrones de difusión de las emociones es limitado. Por lo tanto, comprender la importancia de emociones específicas será más beneficioso para diversas actividades de marketing, toma de decisiones empresariales y campañas políticas. Esta tesis doctoral se centra en el diseño de un marco teórico para analizar el amplio espectro de sentimientos y explicar cómo se propagan las emociones utilizando conceptos de redes temporales y multicapa. Particularmente, nuestro objetivo es proporcionar información sobre el modelado de la influencia de las emociones y como esta afecta a los problemas de estimación de las emociones y a la naturaleza dinámica temporal en la conversación social. Para mostrar la eficacia del modelo propuesto, se han recopilado publicaciones relacionadas con diferentes eventos de Twitter y hemos construido una estructura de red temporal sobre la conversación. En primer lugar, realizamos un análisis de sentimientos adoptando un enfoque basado en el léxico y en el modelo circunflejo de emociones de Russell que mejora la efectividad de la caracterización del sentimiento. A partir de este análisis investigamos la dinámica social de las emociones presente en las opiniones de los usuarios analizando diferentes características de influencia social. A continuación, diseñamos un modelo estocástico temporal basado en emociones para investigar el patrón de participación de los usuarios y predecir las emociones significativas. Nuestra contribución final es el desarrollo de un modelo de influencia secuencial basado en emociones mediante la utilización de redes neuronales recurrentes que permiten predecir emociones de una manera más completa. Finalmente, el documento presenta algunas conclusiones y también describe las direcciones de investigación futuras. / [CA] L'anàlisi de sentiments en xarxes socials s'ha estudiat àmpliament durant l'última dècada. Malgrat això, les diferents categories de sentiments no es consideren adequadament en molts casos, i l'estudi de patrons de difusió de les emocions és limitat. Per tant, comprendre la importància d'emocions específiques serà més beneficiós per a diverses activitats de màrqueting, presa de decisions empresarials i campanyes polítiques. Aquesta tesi doctoral se centra en el disseny d'un marc teòric per a analitzar l'ampli espectre de sentiments i explicar com es propaguen les emocions utilitzant conceptes de xarxes temporals i multicapa. Particularment, el nostre objectiu és proporcionar informació sobre el modelatge de la influència de les emocions i com aquesta afecta als problemes d'estimació de les emocions i a la naturalesa dinàmica temporal en la conversa social. Per a mostrar l'eficàcia del model proposat, s'han recopilat publicacions relacionades amb diferents esdeveniments de Twitter i hem construït una estructura de xarxa temporal sobre la conversa. En primer lloc, realitzem una anàlisi de sentiments adoptant un enfocament basat en el lèxic i en el model circumflex d'emocions de Russell que millora l'efectivitat de la caracterització del sentiment. A partir d'aquesta anàlisi investiguem la dinàmica social de les emocions present en les opinions dels usuaris analitzant diferents característiques d'influència social. A continuació, dissenyem un model estocàstic temporal basat en emocions per a investigar el patró de participació dels usuaris i predir les emocions significatives. La nostra contribució final és el desenvolupament d'un model d'influència seqüencial basat en emocions mitjançant la utilització de xarxes neuronals recurrents que permeten predir emocions d'una manera més completa. Finalment, el document presenta algunes conclusions i també descriu les direccions d'investigació futures. / [EN] Sentiment analysis in social networks has been widely analysed over the last decade. Despite the amount of research done in sentiment analysis in social networks, the distinct categories are not appropriately considered in many cases, and the study of dissemination patterns of emotions is limited. Therefore, understanding the significance of specific emotions will be more beneficial for various marketing activities, policy-making decisions and political campaigns. The current PhD thesis focuses on designing a theoretical framework for analyzing the broad spectrum of sentiments and explain how emotions are propagated using concepts from temporal and multilayer networks. More precisely, our goal is to provide insights into emotion influence modelling that solves emotion estimation problems and its temporal dynamics nature on social conversation. To exhibit the efficacy of the proposed model, we have collected posts related to different events from Twitter and build a temporal network structure over the conversation. Firstly, we perform sentiment analysis with the adaptation of a lexicon-based approach and the circumplex model of affect that enhances the effectiveness of the sentiment characterization. Subsequently, we investigate the social dynamics of emotion present in users' opinions by analyzing different social influential characteristics. Next, we design a temporal emotion-based stochastic model in order to investigate the engagement pattern and predict the significant emotions. Our ultimate contribution is the development of a sequential emotion-based influence model with the advancement of recurrent neural networks. It offers to predict emotions in a more comprehensive manner. Finally, the document presents some conclusions and also outlines future research directions. / Naskar, D. (2022). Temporal Emotion Dynamics in Social Networks [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/180997 / TESIS

Page generated in 0.069 seconds