Personality and American State Differences in Obesity Prevalence
Notice bibliographique
Résumé
The study was conducted to determine whether state obesity-prevalence rates can be predicted by state differences in residents' levels on the Big Five personality variables (O. P. John & S. Srivastava, 1999). State obesity prevalence was the mean percentage of the state population from 2000 to 2005 with a body mass index > or = 30.0 as assessed by the Behavioral Risk Factor Surveillance System (Centers for Disease Control and Prevention, 2010), which currently interviews more than 350,000 adults annually. State neuroticism, extraversion, agreeableness, conscientiousness, and openness z scores, based on the responses of 619,397 residents to an Internet survey from 1999 to 2005, were taken from P. J. Rentfrow, S. D. Gosling, and J. Potter (2008). Alaska, Hawaii, and North Dakota had scores outside -3 and +3 standard deviations on at least 1 variable and were excluded as outliers. For the 47 remaining states, state obesity prevalence was significantly correlated with neuroticism (.35), agreeableness (.38), openness (-.44), socioeconomic status (-.74), white percentage (-.34), and urbanization (-.43). Multiple regression analysis showed that socioeconomic status could account for 54.0% of the criterion variance and that agreeableness, neuroticism, and openness together could account for another 17.1%.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».