A bifactor model of the Posttraumatic Growth Inventory
Notice bibliographique
Résumé
Purpose: The Posttraumatic Growth Inventory (PTGI) is a self-administered measurement instrument designed to provide information concerning positive psychological changes after a traumatic life event. The aim of the present study was to examine the psychometric properties of the PTGI in a Hungarian sample. By examining a bifactor model of the instrument, we also wanted to contribute to the establishment of an evidence-based practice concerning the use of different score types (total score versus subscale scores). Methods: Altogether, 691 Hungarian respondents (82.2% female; Mage = 33.0 ± 13.4 years), who experienced some kind of trauma or loss, participated in this study. Results: A series of confirmatory factor analyses revealed that among the tested first- and second-order models, a bifactor model provided the best-fit to our data (χ2/df = 4.32, Comparative Fit Index = .91, root mean square error of approximation = .07, standardized root mean square residual = .04). Further, the Hungarian version of the PTGI showed high internal consistency (Cronbach's alpha = .93, omega total = .95, omega hierarchical = .87) and test–retest reliability (r = .90; p < .01) coefficients. However, omega hierarchical coefficients (.14–.40) and explained variance values (.05–.10) for the subscales were low. Conclusions: The present study provided empirical support for the psychometric adequacy of the Hungarian adaptation of the PTGI and suggests that only the total and not the subscale scores of the inventory should be used.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».