MétaCan
Menu
Retour à la cohorte
Enregistrement W2084533782 · doi:10.1111/1468-2389.00194

The Assessment of Counterproductive Tendencies by Means of the California Psychological Inventory

2002· article· en· W2084533782 sur OpenAlexaff
A. Ralph Hakstian, Seonaid Farrell, Roger G. Tweed

Notice bibliographique

RevueInternational Journal of Selection and Assessment · 2002
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensDouglas CollegeUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPsychologyScale (ratio)Facet (psychology)Sample (material)Social psychologyInternal consistencyConstruct validityReliability (semiconductor)Criterion validityCalifornia Psychological InventoryTest validityIncremental validityPsychometricsStatisticsPersonality Assessment InventoryClinical psychologyPersonalityBig Five personality traitsMathematics

Résumé

récupéré en direct d'OpenAlex

The authors developed an 80‐item scale to measure counterproductive tendencies, using items on the California Psychological Inventory (CPI), Form 434, and choosing items on the basis of their correlations, in a sample of 1,019 university undergraduates, with a self‐report instrument measuring counterproductive behaviors. A factor analysis of this criterion instrument revealed nine underlying dimensions. Analyses of scores on the new scale revealed significant gender differences (males higher) and yielded separate‐gender norms for four populations of interest. Internal‐consistency and test‐retest reliability estimates ranged between .80 and .90 across five samples. Correlations with standard CPI scales and domain and facet scales from the NEO PI‐R provided evidence of construct validity. Estimated true criterion‐related validity for the scale (a) averaged .60 in a student sample against the self‐report counterproductive‐behavior criterion, (b) was .35 against rated counterproductive job behavior in an employee sample, and (c) ranged as high as .36 against several other job‐performance ratings in two additional workplace samples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil0,240

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,139
Tête enseignante GPT0,463
Écart entre enseignants0,324 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Selection and AssessmentMême sujetEthics in Business and EducationTravaux en français237 207