MétaCan
Menu
Retour à la cohorte
Enregistrement W2766234050 · doi:10.6084/m9.figshare.5501995.v1

Investigating the Multidimensionality of Need Fulfillment: A Bifactor Exploratory Structural Equation Modeling Representation

2017· article· en· W2766234050 sur OpenAlexaff
István Tóth‐Király, Alexandre J. S. Morin, Beáta Bőthe, Gábor Orosz, Adrien Rigó

Notice bibliographique

RevueFigshare · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueMotivation and Self-Concept in Sports
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésStructural equation modelingPsychologyFrustrationCompetence (human resources)AutonomyGoodness of fitSocial psychologyDevelopmental psychologyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

This article assesses the multidimensionality of the Basic Psychological Need Satisfaction and Frustration Scale (BPNSFS) using bifactor exploratory structural equation modeling (bifactor ESEM). The first study relies on a sample of community adults (<i>N</i> = 2,301), and revealed the superiority of a bifactor ESEM representation, supporting the 6-factor structure of BPNSFS ratings, and the presence of a single continuum of need fulfillment relative to 2 distinct dimensions reflecting need satisfaction and frustration. These results were replicated in a second representative sample of the Hungarian adult population (<i>N</i> = 504), as well as across gender, and found no evidence of differential item functioning as a function of age. Relative to males, females presented higher levels of relatedness satisfaction and lower levels of competence satisfaction. Finally, autonomy frustration decreased with age, whereas competence satisfaction and frustration presented opposite curvilinear tendencies, showing that the fulfillment of this need increased sharply for younger participants, a tendency that became less pronounced with age.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,243
Tête enseignante GPT0,377
Écart entre enseignants0,135 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetMotivation and Self-Concept in SportsTravaux en français237 207