鼓励何种情绪?积极心理学干预数据集(2023)
数据基于三项已发表随机对照试验的事后检验,分别涉及多成分积极心理学干预(N=275)、感恩干预(N=144)和善举干预(N=216),并与等待名单对照组比较,考察不同干预对高唤醒与低唤醒积极情绪的影响,以及这两类情绪是否在干预对心理健康的效果中起中介作用

基本信息
资源简介
鼓励何种情绪?积极心理学干预数据集(2023)
Datasets for What emotions to encourage? International Journal of Applied Positive Psychology, 2023
该数据集来自 DANS Data Station Social Sciences and Humanities,对应发表于 International Journal of Applied Positive Psychology(2023)的研究,作者为 M Schotanus-Dijkstra。数据基于三项已发表随机对照试验的事后检验,分别涉及多成分积极心理学干预(N=275)、感恩干预(N=144)和善举干预(N=216),并与等待名单对照组比较,考察不同干预对高唤醒与低唤醒积极情绪的影响,以及这两类情绪是否在干预对心理健康的效果中起中介作用。数据可用于积极心理学干预效果与情绪机制的分析(来源 DOI 解析)。
【数据集背景】
源站首次发布:2022。
【数据内容】
源站描述(机器翻译,仅供参考):越来越多的证据表明,积极心理学干预(PPIs)能够增强积极情绪。然而,对于高唤醒和低唤醒积极情绪在此类干预中的具体作用知之甚少。本研究的目的是考察不同类型的 PPIs 对高唤醒和低唤醒情绪的影响,并探讨高唤醒和低唤醒积极情绪是否作为干预对心理健康效果的中介变量。对三项先前发表的随机对照试验与等待名单对照组进行了事后检验:(1)多成分 PPI(N = 275),(2)综合性感恩干预(N = 144),(3)善举干预(N = 216)。研究结果显示,多成分 PPI 改善了低唤醒情绪,而感恩干预对高唤醒积极情绪有边缘性改善。
【主题与分类】
主题标签:Social Sciences、positive psychology interventions (PPIs)。本站分类:精神与行为障碍。
【获取与许可】
源站页面:https://ssh.datastations.nl/citation?persistentId=doi:10.17026/DANS-Z5B-X8PM
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://doi.org/10.17026/DANS-Z5B-X8PM
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
越来越多的证据表明,积极心理学干预(PPIs)能够增强积极情绪。然而,对于此类干预中高唤醒和低唤醒积极情绪的具体作用,人们了解甚少。本研究旨在考察不同类型的积极心理学干预对高唤醒和低唤醒情绪的影响,并探讨高唤醒和低唤醒积极情绪是否在干预对心理健康的效果中起中介作用。本研究对三项先前已发表的随机对照试验进行了事后检验,并与等待名单对照组进行比较:(1)多成分积极心理学干预(N = 275),(2)综合性感恩干预(N = 144),(3)善举干预(N = 216)。研究结果显示,多成分积极心理学干预改善了低唤醒情绪,而感恩干预对高唤醒积极情绪有边缘显著的改善作用。与等待名单对照组相比,善举干预在改善积极情绪方面并未表现出更显著的效果。
中介分析也可得出类似结论,其中低唤醒积极情绪在多组分PPI对心理健康的影响中起中介作用,结果最为显著。本研究首次提供证据表明,积极情绪的向上螺旋可能取决于PPI的类型及其对高唤醒、尤其是低唤醒积极情绪的影响。提交日期:2023-11-06
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




