The Predictive Capacity of the MMPI-2 and PAI Validity Scales and Indexes to Detect Coached and Uncoached Feigning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The objective of this study was to examine the relative effectiveness of the Minnesota Multiphasic Personality Inventory-2 (MMPI-2) and the Personality Assessment Inventory (PAI) validity scales and indexes to detect malingering. Research participants were either informed (coached) or not informed (uncoached) about the presence and operating characteristics of the validity scales and instructed to fake bad on both the MMPI-2 and PAI. The validity scale and index scores produced by these research participants were then compared to those scores from a bona fide sample of psychiatric patients (n = 75). Coaching had no effect on the ability of the research participants to feign more successfully than those participants who received no coaching. For the MMPI-2, the Psychopathology F scale, or F(p), proved to be the best at distinguishing psychiatric patients from research participants instructed to malinger, although the other F scales (i.e., F and Fb) were also effective. For the PAI, the Rogers Discriminant Function index (RDF) was clearly superior to the other PAI fake-bad validity indicators; neither the Negative Impression Management scale nor Malingering Index were effective at detecting malingered profiles in this study. Overall, RDF proved to be marginally superior to F and F(p) in distinguishing MMPI-2 and PAI protocols produced by research participants asked to malinger and psychiatric patients. Both the RDF and the F and F(p) scales, however, were able to increase the predictive capability of one another.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle