и интолерантность к неопределенности>2=0,142, F=7,65, В>добросовестность=0,054, p<0,001, В>эмоцстабильность= -0,044, p<0,001, В>интолера>нтнось к неопределенности -0,012, p <0,05). Все три предиктора в этой модель объясняют 14.20/0 дисперсии академической успешности.

США. Для американской выборки с помощью множественной линейной регрессии была построена модель, в которой значимыми предикторами успеваемости выступили добросовестность, СОИ и ИТ интеллекта>2=0,137, F=7,85, В>добросовестност=0,068, p<0,001, В>СОИ=0,009, p<0,05, В>ИТинтеллекта= -0,013, p <0,05). Эта модель объясняет 13.7 % дисперсии GPA.

Таким образом, личностное свойство добросовестности выступило предиктором успеваемости в обеих выборках. В российской выборке предикторами успеваемости также стали другие личностные свойства (эмоциональная стабильность) и отношение к неопределенности, в то время как в американской выборке – представления о собственном интеллекте и возможности его развивать, относящиеся к сфере самосознания.

Список литературы

1. Корнилова Т.В., Смирнов С.Д., Чумакова М.А., Корнилов С. А., Новотоцкая-Власова Е.В. Модификация опросника имплицитных теорий К. Двек (в контексте изучения академических достижений студентов) // Психологический журнал. 2008. Т. 29. № 3. С. 106–120.

2. Корнилова Т.В., Чумакова М.А. Апробация краткого опросника Большой пятерки (TIPI, КОБТ) // Психологические исследования. 2016. Т. 9. № 46. С. 5.

3. Корнилова Т.В., Чумакова М.А. Шкалы толерантности и интолерантности к неопределенности в модификации опросника С. Баднера // Экспериментальная психология. 2014. Т. 7. № 1. С. 92–110.

4. Chamorro-Premuzic T., Furnham A. Self-assessed intelligence and academic performance // Educational Psychology. 2006. V. 26. №. 6. P. 769–779.

5. Costa A., Faria L. Implicit theories of intelligence and academic achievement: a meta-analytic review // Frontiers in Psychology. 2018. V. 9. P. 1–16.

6. Poropat AE. A meta-analysis of the five-factor model of personality and academic performance // Psychological bulletin. 2009. V. 135. №. 2. P. 322–338.

Эмоции в регуляции принятия решений при ситуационном риске[6]. Красавцева Ю.В.

Первый МГМУ имени ИМ. Сеченова Минздрава России (г. Москва)

E-mail: julia.k7@gmail.com


Эмоции могут влиять на суждение и выбор на каждом этапе процесса принятия решения (ПР). Компьютеризованные модели условий неопределенности и риска, в которых многоэтапные выборы имеют последствиями выигрыш и проигрыш («экспериментальных денег»), представлены в исследованиях когнитивных стратегий и принятия риска (Корнилова, 2003). Однако недостаточно изучены процессы эмоциональных предвосхищений при ПР. Они постулируются, в частности, гипотезой А. Дамасио, но не выделяются в измеряемых переменных стратегий.

С целью исследования компонентов эмоционального предвосхищения, оценок эмоций при прогнозируемом и достигаемом результате, нами была разработана компьютеризованная методика «Эмоциональное Предвосхищение в Игре в Казино» – ЭПИК.

Эмоциональное предвосхищение исследуется применительно к ПР сквозь призму концепций эмоций, основанных на предвосхищении (anticipation-based emotions). Разделяются предвосхищающие эмоции (anticipatory emotions), которые предполагают ожидания человека применительно к желательному или нежелательному событию, и результирующие – оцениваемые после наступления события.

Планы порождения и планы вербализации эмоций не совпадают, а эмоциональная регуляция не охватывается только измерениями эмоционального интеллекта. Мы включили в дизайн исследования на материале ПР в ЭПИК шкалы оценки эмоций в соответствии с моделью А. Мехрабьяна, положенной в основу методики невербального оценивания эмоций, – Self-Assessment Manikin (SAM) (Bradley, Lang, 1994), впервые проведя ее апробацию на российских выборках.