Development and validation of the trait and state versions of the Post-Event Processing Inventory
Notice bibliographique
Résumé
BACKGROUND: Post-event processing (PEP) refers to negative and prolonged rumination following anxiety-provoking social situations. Although there are scales to assess PEP, they are situation-specific, some targeting only public-speaking situations. Furthermore, there are no trait measures to assess the tendency to engage in PEP. OBJECTIVES: The purpose of this research was to create a new measure of PEP, the Post-Event Processing Inventory (PEPI), which can be employed following all types of social situations and includes both trait and state forms. DESIGN AND METHOD: Over two studies (study 1, N = 220; study 2, N = 199), we explored and confirmed the factor structure of the scale with student samples. RESULTS: For each form of the scale, we found and confirmed that a higher-order, general PEP factor could be inferred from three sub-domains (intensity, frequency, and self-judgment). We also found preliminary evidence for the convergent, concurrent, discriminant/divergent, incremental, and predictive validity for each version of the scale. Both forms of the scale demonstrated excellent internal consistency and the trait form had excellent two-week test-retest reliability. CONCLUSION: Given the utility and versatility of the scale, the PEPI may provide a useful alternative to existing measures of PEP and rumination.
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 | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 ».