five

Defensivattributionshypothese : Review und konzeptuelle Kritik

收藏
PsychArchives2022-11-17 更新2026-04-25 收录
下载链接:
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bsz:291-psydok-984
下载链接
链接失效反馈
官方服务:
资源简介:
Im Zentrum der Defensivattributionshypothese stehen voreingenommene Zuschreibungen von Verantwortlichkeit an die Opfer von negativen Ereignissen. Der Autor unterscheidet zwei Arten von defensiver Attribution: kontrollmotivierte oder vulnerabilitäts-defensive Attributionen sensu Walster („Ich will, dass mir das nicht passiert“) und psychohygienisch motivierte sensu Shaver („Ich will mir keine Vorwürfe machen müssen, wenn mir das passiert“). Es wird ein Überblick über die Ausgangsexperimente, Folgeuntersuchungen und die kritische Rezeption durch Reviewer gegeben. Mit der Methode des „Aufbrechens“ der impliziten Annahmen der beiden Modelle wird ihre konzeptuelle Plausibilität in Frage gestellt. Dabei wird Walsters Modell eine graduell höhere Plausibilität eingeräumt als Shavers, weil es an weniger implizite Annahmen gebunden ist. Die Arbeit endet mit einem kurzen Vergleich von Defensivattributionshypothese und Gerechte-Welt-Theorie. Biased attributions of responsibility to victims of negative fate form the core of the defensive attribution hypothesis. The author distinguishes two kinds of defensive attribution: vulnerability-based defensive attributions sensu Walster (“I do not want this to happen to me”) and psycho-hygienicly based defensive attributions sensu Shaver (“I do not want to have to blame myself if this happens to me”). The article provides a survey of the initial experiments, subsequent studies and the critical reception by reviewers. Using the method of “breaking up” the implicit assumptions of both theoretical models their conceptual plausibility is questioned. A gradually higher plausibility is conceded to Walster’s model because this model is bound to less implicit assumptions. The article ends with a short comparison of defensive attribution hypotheses and just world theory.
提供机构:
Maes, Jürgen
创建时间:
2022-11-17
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作