How Should Discrepancy Be Assessed in Perfectionism Research? A Psychometric Analysis and Proposed Refinement of the Almost Perfect Scale–Revised
Notice bibliographique
Résumé
Research on perfectionism with the Almost Perfect Scale–Revised (APS-R) distinguishes adaptive perfectionists versus maladaptive perfectionists based primarily on their responses to the 12-item unidimensional APS-R Discrepancy subscale, which assesses the sense of falling short of standards. People described as adaptive perfectionists have high standards but low levels of discrepancy (i.e., relatively close to attaining these standards). Maladaptive perfectionists have perfectionistic high standards and high levels of discrepancy. In the current work, we re-examine the psychometric properties of the APS-R Discrepancy subscale and illustrate that this supposedly unidimensional discrepancy measure may actually consists of more than one factor. Psychometric analyses of data from student and community samples distinguished a pure five-item discrepancy factor and a second four-item factor measuring dissatisfaction. The five-item factor is recommended as a brief measure of discrepancy from perfection and the four-item factor is recommended as a measure of dissatisfaction with being imperfect. Overall, our results confirm past suggestions that most people with maladaptive perfectionism are characterized jointly by chronic dissatisfaction as well as a sense of being discrepant due to having fallen short of expectations. These findings are discussed in terms of their implications for the assessment of perfectionism, as well as the implications for research and practice.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| 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 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 ».