Viewing relational aggression through multiple lenses: Temperament, personality, and personality pathology
Notice bibliographique
Résumé
Dispositional trait frameworks offer great potential to elucidate the nature and development of psychopathology, including the construct of relational aggression. The present study sought to explore the dispositional context of relational aggression across three dispositional frameworks: temperament, personality, and personality pathology. Participants comprised a large community sample of youth, aged 6 to 18 years (N = 1,188; 51.2% female). Ratings of children's relational aggression, temperament, personality, and personality pathology traits were obtained through parent report (86.3% mothers). Results showed convergence and divergence across these three dispositional frameworks. Like other antisocial behavior subtypes, relational aggression generally showed connections with traits reflecting negative emotionality and poor self-regulation. Relational aggression showed stronger connections with temperament traits than with personality traits, suggesting that temperament frameworks may capture more relationally aggressive content. Findings at the lower order trait level help differentiate relational aggression from other externalizing problems by providing a more nuanced perspective (e.g., both sociability and shyness positively predicted relational aggression). In addition, there was little evidence of moderation of these associations by gender, age, or age2, and findings remained robust even after controlling for physical aggression. Results are discussed in the broader context of conceptualizing relational aggression in an overarching personality-psychopathology framework.
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 | 0,001 | 0,000 |
| 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 ».