Cross-Cultural Comparison of Personality Traits, Attachment Security, and Satisfaction With Relationships as Predictors of Subjective Well-Being in India, Sweden, and the United States
Notice bibliographique
Résumé
Personality traits like Neuroticism and Extroversion, Satisfaction With Relationships, and Attachment Security are among the most important predictors of subjective well-being (SWB). However, the relative contribution of these predictors to SWB is seldom tested, and even more rarely tested cross-culturally. In this study, we replicate and extend Galinha, Oishi, Pereira, Wirtz, and Esteves, aiming to identify the strongest predictors of SWB, and in what way that contribution is universal or culture-specific, across such collectivist-individualist countries as India, Sweden, and the United States ( N = 1,622). Structural equation modeling showed that Satisfaction With Relationships is a stronger predictor of SWB in India, while Neuroticism is a stronger predictor of SWB in Sweden and the United States, results consistent with prior Portuguese and Mozambican samples. These findings suggest that Satisfaction With Relationships is probably a stronger predictor of SWB in more collectivistic and less developed countries, while low Neuroticism is a stronger predictor of SWB in more individualistic and highly developed countries. Across all samples, Attachment Security and Extroversion showed very weak or nonsignificant effects on SWB above the contribution of Neuroticism and Satisfaction With Relationships, consistent with prior results. Neuroticism significantly mediated the relationship between Attachment Security, SWB, and Satisfaction With Relationships.
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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».